Flink反压的影响有哪些？

反压并不会直接影响作业的可用性，它表明作业处于亚健康的状态，有潜在的性 能瓶颈并可能导致更大的数据处理延迟。通常来说，对于一些对延迟要求不太高或者 数据量比较小的应用来说，反压的影响可能并不明显，然而对于规模比较大的 Flink 作业来说反压可能会导致严重的问题。 这是因为 Flink 的 checkpoint 机制，反压还会影响到两项指标 : checkpoint 时 长和 state 大小。 ● 前者是因为 checkpoint barrier 是不会越过普通数据的，数据处理被阻塞也会 导致 checkpoint barrier 流经整个数据管道的时长变长，因而 checkpoint 总 体时间（End to End Duration）变长。 ● 后者是因为为保证 EOS（Exactly-Once-Semantics，准确一次），对于有 两个以上输入管道的 Operator，checkpoint barrier 需要对齐（Alignment）， 接受到较快的输入管道的 barrier 后，它后面数据会被缓存起来但不处理，直 到较慢的输入管道的 barrier 也到达，这些被缓存的数据会被放到 state 里面， 导致 checkpoint 变大。 这两个影响对于生产环境的作业来说是十分危险的，因为 checkpoint 是保证数 据一致性的关键，checkpoint 时间变长有可能导致 checkpoint 超时失败，而 state 大小同样可能拖慢 checkpoint 甚至导致 OOM （使用 Heap-based StateBackend） 或者物理内存使用超出容器资源（使用 RocksDBStateBackend）的稳定性问题。 因此，我们在生产中要尽量避免出现反压的情况。