什么是 savepoint，为什么要使用 savepoint ？,保障 flink 作业在 配置迭代、flink 版本升级、蓝绿部署中的数据一致性，提高容错、降低恢复时间；,在此之前引入几个概念：,Flink 通过状态快照实现容错处理,
,注1：自 1.13 版本之后，设置 Working State 和 设置 Snapshot State 拆离成了两个接口，便于读者更易于理解；,注2：一般默认使用 FsStateBackend，运行时状态放在堆中保障性能，快照备份时数据存于 Hdfs 保障容错性；当业务有大状态的 flink 作业存在时，可以通过配置化的方式将用户作业的状态后端设置为 RocksDBSateBackend。,Alignment checkpoint,
,Unaligment checkpoint,
,未对齐的 checkpoint 确保障碍物尽快到达接收器。,注：一般默认使用 Alignment checkpoint；当出现被压时，一般优先采用,1. 优化逻辑 2. 增加并发能力的方式进行处理；,Checkpoint 使 Flink 的状态具有良好的容错性，通过 checkpoint 机制，Flink 可以对作业的状态和计算位置进行恢复。,Savepoint 是依据 Flink checkpointing 机制所创建的流作业执行状态的一致镜像；,除去这些概念上的差异，Checkpoint 和 Savepoint 的当前实现基本上使用相同的代码并生成相同的格式（rocksDB 增量 checkpoint 除外，未来可能有更多类似的实现）,触发 savepoint 保留到 hdfs, 在重新调度作业时，提供给用户选择即可。,关键点：执行 savepoint 需要指定 jobId，因此在设计数据平台的元数据时，需要保留 jobId 数据。,当流处理应用程序发生错误的时候，结果可能会产生丢失或者重复。Flink 根据你为应用程序和集群的配置，可以产生以下结果：,Flink 通过回退和重新发送 source 数据流从故障中恢复，当理想情况被描述为精确一次时，这并不意味着每个事件都将被精确一次处理。相反，这意味着 每一个事件都会影响 Flink 管理的状态精确一次。,Barrier 只有在需要提供精确一次的语义保证时需要进行对齐（Barrier alignment）。如果不需要这种语义，可以通过配置
CheckpointingMode.AT_LEAST_ONCE 关闭 Barrier 对齐来提高性能。,为了实现端到端的精确一次，以便 sources 中的每个事件都仅精确一次对 sinks 生效，必须满足以下条件：,以上就是Flink实践Savepoint使用示例详解的详细内容，更多关于Flink Savepoint使用的资料请关注其它相关文章！
