Flink Statefun远程函数的numBacklog指标为何会出现负值？

这是Statefun 3.1及更早版本的已知指标实现缺陷，和集群背压场景下的计数逻辑漏洞直接相关，核心原因有两个：

• 计数未做边界校验+重复扣减漏洞：numBacklog 指标采用「消息发出前计数+1，收到对端ack后计数-1」的实现逻辑，背压场景下很容易出现消息超时重发、同一消息多次返回ack的情况，此时扣减操作的次数会超过实际的pending消息总数，且旧版本没有给计数设置0的下限，就会出现负值。
• 背压下的RPC响应乱序：集群承压时远程函数的调用请求、ack响应会出现链路乱序，部分ack的处理优先级高于新消息的计数新增操作，会提前把计数扣到负数，若背压状态长期持续，计数会一直保持负值无法归正。

临时规避与修复方案 #

• 若暂时无法升级版本，无需关注指标的负值大小，仅判断指标是否为0即可：只要指标不等于0，就代表当前还有pending消息存在背压。
• 升级到Statefun 3.2及以上版本，官方已经修复了该问题：补充了计数的下限保护，同时优化了消息id和ack的绑定逻辑，避免重复扣减计数。

内容的提问来源于stack exchange，提问作者Chr1s