本文目录#
状态一致性要求#
Flink 通过 Checkpoint 与 Savepoint 保障状态一致性。线上运行需明确检查点频率、存储位置、恢复策略，以及 Savepoint 作为版本升级手段。
配置建议#
- Checkpoint：
state.backend: rocksdb,state.checkpoints.dir: hdfs://...,execution.checkpointing.interval: 60s； - Savepoint：
bin/flink savepoint <jobId> hdfs://savepoints； - 监控：
TaskManager指标checkpoint_duration,alignment_time； - 对大状态使用增量 Checkpoint。
升级流程#
- Savepoint 备份；
cancel-with-savepoint；- 部署新版本，从 Savepoint 恢复；
- 验证 job 状态与延迟。
自检清单#
- 是否开启 Checkpoint 并设置合理超时？
- 是否定期清理过期 Savepoint/Checkpoint 目录？
- 是否对 RocksDB 状态后端进行压缩与内存调优？
参考资料#
- Flink State & Fault Tolerance：https://nightlies.apache.org/flink/flink-docs-release-1.17/docs/learn-flink/fault_tolerance/
- RocksDB State Backend Tuning：https://nightlies.apache.org/flink/flink-docs-release-1.17/docs/deployment/config/#state-backends
- 阿里云 Flink 最佳实践
本作品系原创，采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可，转载请注明出处。