Checkpoint是Flink实现容错机制最核心的功能，能够根据配置周期性地基于Stream中各个Operator的状态来生成Snapshot，从而将这些状态数据定期持久化存储下来，从而将这些状态数据定期持久化存储下来，当Flink程序一旦意外崩溃时，重新运行程序时可以有选择地从这些Snapshot进行恢复，从而修正因为故障带来的程序数据状态中断。
val env = StreamExecutionEnvironment.getExecutionEnvironment
env.setStateBackend(new FsStateBackend("hdfs://ip:8020/flink/flink-checkpoints"))
val config = env.getCheckpointConfig
config.enableExternalizedCheckpoints(ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION)
config.setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE)
config.setCheckpointInterval(60000)
ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION，表示一旦Flink处理程序被cancel后，会保留Checkpoint数据，以便根据实际需要恢复到指定的Checkpoint处理。
上面代码配置了执行Checkpointing的时间间隔为1分钟。
默认情况下，如果设置了Checkpoint选项，则Flink只保留最近成功生成的1个Checkpoint
Flink可以支持保留多个Checkpoint，需要在Flink的配置文件conf/flink-conf.yaml中，添加如下配置，指定最多需要保存Checkpoint的个数：
state.checkpoints.num-retained: 20
如果希望会退到某个Checkpoint点，只需要指定对应的某个Checkpoint路径即可实现。
如果Flink程序异常失败，或者最近一段时间内数据处理错误，我们可以将程序从某一个Checkpoint点，比如chk-860进行回放，执行如下命令
bin/flink run -s hdfs://namenode01.td.com/flink-1.5.3/flink-checkpoints/582e17d2cc343e6c56255d111bae0191/chk-860/_metadata flink-app-jobs.jar
- 所有的Checkpoint文件都在以Job ID为名称的目录里面
- 当Job停掉后，重新从某个Checkpoint点（chk-860）进行恢复时，重新生成Job ID
-
Checkpoint编号会从该次运行基于的编号继续连续生成：chk-861、chk-862、chk-863
-
Checkpoint 间隔不要太短
- 过短的间对于底层分布式文件系统而言，会带来很大的压力。
- Flink 作业处理 record 与执行 checkpoint 存在互斥锁，过于频繁的checkpoint，可能会影响整体的性能。
- 合理设置超时时间
Savepoint会在Flink Job之外存储自包含（self-contained）结构的Checkpoint，它使用Flink的Checkpointing机制来创建一个非增量的Snapshot，里面包含Streaming程序的状态，并将Checkpoint的数据存储到外部存储系统中
Flink程序中包含两种状态数据:
- 用户定义的状态（User-defined State）是基于Flink的Transformation函数来创建或者修改得到的状态数据
- 系统状态（System State），是指作为Operator计算一部分的数据Buffer等状态数据，比如在使用Window Function时，在Window内部缓存Streaming数据记录
Flink提供了API来为程序中每个Operator设置ID，这样可以在后续更新/升级程序的时候，可以在Savepoint数据中基于Operator ID来与对应的状态信息进行匹配，从而实现恢复。
设置Operator ID:
DataStream<string> stream = env.
// Stateful source (e.g. Kafka) with ID
.addSource(new StatefulSource())
.uid("source-id") // ID for the source operator
.shuffle()
// Stateful mapper with ID
.map(new StatefulMapper())
.uid("mapper-id") // ID for the mapper
// Stateless printing sink
.print(); // Auto-generated ID
</string>
创建一个Savepoint，需要指定对应Savepoint目录，有两种方式来指定
state.savepoints.dir: hdfs://namenode01.td.com/flink/flink-savepoints
bin/flink savepoint :jobId [:targetDirectory]
使用默认配置
bin/flink savepoint 40dcc6d2ba90f13930abce295de8d038
为正在运行的Flink Job指定一个目录存储Savepoint数据
bin/flink savepoint 40dcc6d2ba90f13930abce295de8d038 hdfs://namenode01.td.com/tmp/flink/savepoints
bin/flink run -s :savepointPath [:runArgs]
以上面保存的Savepoint为例，恢复Job运行
bin/flink run -s hdfs://namenode01.td.com/tmp/flink/savepoints/savepoint-40dcc6-a90008f0f82f flink-app-jobs.jar
会启动一个新的Flink Job，ID为cdbae3af1b7441839e7c03bab0d0eefd
- 1bbc5是Flink Job ID字符串前6个字符，后面bd967f90709b是随机生成的字符串
- _metadata文件包含了Savepoint的元数据信息
- 其他文件内容都是序列化的状态信息
Original: https://www.cnblogs.com/bigdata1024/p/16284295.html
Author: chaplinthink
Title: Flink Checkpoint & Savepoint
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/565317/
转载文章受原作者版权保护。转载请注明原作者出处！