带你读《企业级云原生白皮书项目实战》——5.3.3 任务性能（7）

《企业级云原生白皮书项目实战》——第五章 大数据——5.3 实时计算Flink版——5.3.3 任务性能（6）： https://developer.aliyun.com/article/1228334?groupCode=supportservice

5.3.3.3.3 checkpoint典型案例

Flink作业出现Checkpoint失败情况，可以通过flflink的VVP控制台上——作业快照查到历史checkpoint的生产情况，如果可以看到该作业checkpoint一直在失败中。

点击具体的checkpoint（612）查看这个耗时1小时37分钟checkpoint生成过程发现主要的耗时是在source读取数据的一个节点上，耗时一个多小时但是 Acknowledged进度才92%，最终导致了checkpoint的失败。

具体分析任务情况，通过任务的实例负载监控，可以看到其中的节点，12个并发都是存在反压的情况，导致上游的source节点读取数据异常，进而导致checkpoint生产耗时长而且失败，此时问题点就比较明确，任务的压力大负载高导致节点反压情况进而导致任务checkpoint失败，对应的解决方案是先将任务的反压情况进行解决，任务负载正常。

整体分析任务看整体给的并发是12个，但是TM的资源指给了一个1CPU 4G内存，任务的sink节点Busy严重负载大，导致上游的join节点出现反压，所以针对sink节点使用专家模式单独增加资源，提升到2CPU 4G内存的资源量，对于任务进行重启后观察看，任务运行负载较小，checkpoint正常生成。