请教一下 Flink这个为什么没有自动清理 越来越多？里面的文件19M

Checkpoint 目录中生成了大量的 Checkpoint 数据，而这些数据没有被自动清理，导致 Checkpoint 目录越来越大。在 Flink 中，Checkpoint 是一种保证数据一致性和故障恢复的机制，会自动定期生成 Checkpoint 数据以备份数据并支持故障恢复。当然，如果不对 Checkpoint 数据进行清理和管理，会导致 Checkpoint 目录越来越大，最终可能会导致磁盘空间耗尽。

为了解决这个问题，可以尝试以下几个方法：

手动清理 Checkpoint 目录：可以手动删除不需要的 Checkpoint 数据，以释放磁盘空间。通常情况下，可以删除旧的 Checkpoint 数据，保留最近的几个 Checkpoint 数据，例如最近 3-5 个 Checkpoint 数据。

调整 Checkpoint 配置：可以通过调整 Flink 的 Checkpoint 配置，来控制 Checkpoint 数据的生成和清理。例如，可以调整 Checkpoint 的生成周期、最大保留时间和最大保留数量等参数，以满足实际需求。

使用外部存储：可以将 Checkpoint 存储到外部存储中，例如 HDFS 或者 S3 等分布式文件系统，以避免 Checkpoint 目录越来越大的问题。在使用外部存储时，需要注意配置和管理存储容量和存储策略，以避免存储空间不足或者过期数据无法清理的问题。

Flink 在默认情况下会自动清理过期的状态数据和检查点（checkpoints），以避免无限制地占用磁盘空间。然而，如果你发现 Flink 中的文件越来越多，并且没有被自动清理，可能存在以下几种情况：

1. 配置错误：请确保 Flink 的配置文件中指定了正确的状态后端（state backend）和检查点目录。在 flink-conf.yaml 文件中，该配置通常是 state.backend.fs.checkpointdir 或 state.savepoints.dir。

2. 没有启用自动清理：在 Flink 中，自动清理通常通过定时任务进行。请确认你的 Flink 作业是否处于运行状态，并已经设置了适当的清理策略和时间间隔。可以通过设置 state.cleanup.interval 属性来配置清理任务的频率。

3. 清理策略问题：Flink 支持多种清理策略，如基于时间或基于大小的清理策略。你可以根据实际需求选择适合的策略并进行配置。例如，可以使用 state.cleanup.interval 属性来指定清理任务的触发频率，并使用 state.cleanup.mode 属性来选择清理模式。具体的配置参数取决于你所使用的状态后端和清理策略。

4. 系统资源限制：自动清理操作需要一定的系统资源（CPU、内存和磁盘），以及足够的时间来执行。如果系统资源耗尽或负载过高，可能会导致清理任务无法按计划运行。请确保你的系统具有足够的资源，并根据实际情况进行调整。