阿里云支持与服务

该报错是因为作业代码修改或者Flink配置修改导致作业的planjson不兼容，启动的时候重新生成下配置计划->保存配置计划->启动。

Flink作业状态后端默认是gemini，如果需要切换状态后端，可以在作业开发->更多配置->更多Flink配置里面添加参数：例如state.backend: rocksdb state.backend.incremental: true。

在作业开发->更多配置->更多Flink配置里面添加参数env.java.opts: >- -XX:+PrintGCDetails -XX:+PrintGCDateStamps -Xloggc:/flink/log/gc.log -XX:+UseGCLogFileRotation -XX:NumberOfGCLogFiles=2 -XX:GCLogFileSize=50M。

全托管Flink平台完全兼容开源Flink，开源社区的函数可以在全托管Flink平台使用。

开通Flink全托管产品的时候arms是默认开通的，全托管提供的曲线和告警是调用的arms接口展示在全托管flink平台，如果用户不需要作业总览界面提供的作业曲线和监控等arms提供的服务。

实时计算Flink在kafka source的with参数里面把format配置为raw，在作业的ddl使用varchar来接这条数据。

代码里的配置是优先于用户在VVP控制台的配置的。

全托管实时计算Flink支持版本的查看方法：

1、在作业开发页面的高级配置的引擎版本中查阅版本信息。

2、作业运行中在作业运维页面作业总览的详情按钮中引擎版本中查阅。

session集群的版本需要和作业的版本保持一致，可以调整作业的版本，在开发界面->高级配置->引擎版本调整。或者调整session集群的版本，可以在session集群->编辑->配置->引擎版本修改session集群版本。

Flink TaskManager发生心跳超时。

【报错原因】

1.TM频繁GC(可以查看JM GC日志jobmanager-gc.log.*，或是观察数据曲线中的JVM->JM GC count)。

2.JM频繁GC(可以查看JM GC日志taskmanager-gc.log.*，或是观察数据曲线中的JVM->TM GC count)。

3.TM退出/被杀 (需要查看该TM的日志)。

【解决方案】

1.如果TM频繁GC，需要加大TM内存。

2.如果JM频繁GC，需要加大JM内存。

3.如果TM退出码为-137，说明TM资源超用被杀，需要加大TM内存。

CURRENT_TIMESTAMP等系统的内置函数返回的时区默认为UTC时区，如果想要东八区的时间可以进行计算得到。

作业启动慢一般是因为配置的JobManager的资源比较小，建议JobManager至少配置1CU，可以适当调整。

当结果表为Hologres结果表和MaxCompute结果表等攒批写出的结果表时，以Hologres结果表为例，with参数里jdbcWriteBatchSize和jdbcWriteFlushInterval之间为或的关系。如果同时设置了这两个参数，则满足其中一个，就进行写入结果数据。当数据量小于2 MB时，数据会等到10秒的时候才会真正写入到下游Hologres表里，因此数据存在延时。

报错的原因是用户写入的结果表建表的时候声明了该字段为非空值，但是有空值写入，可以在更多配置添加 table.exec.sink.not-null-enforcer: drop' 这个配置来忽略空值写入解决这个报错，即删除掉这条为空的数据，不往下游结果表写，或者在建表的时候不声明字段非空。

如果对源表数据进行变更，一般这些监控binlog的源表会有撤回操作，例如源表有条数据表更，会先把之前的数据撤回，再下发一条新的数据。

Flink集群扩容不会影响线上正在运行的任务，推荐在业务低峰期进行。

实时计算Flink默认3min做一次checkpoint，每次checkpoint timeout 时间是10min。

如果需要修改，可以进入作业开发页面，在页面右侧高级配置面板的更多Flink配置中，添加代码后保存生效，代码示例如下：

execution.checkpointing.interval

execution.checkpointing.min-pause

最小间隔时间是按照上次成功的checkpoint开始计算PS：

配置间隔时间为3s，最小间隔时间为5s，这种情况下，间隔时间会调整为5s 即： execution.checkpointing.interval配置为3s，execution.checkpointing.min-pause配置为5s。 以两个场景进行说明，两个场景checkpoint间隔时间为3分钟，超时时间为10分钟，最小间隔时间为5分钟。

● 场景一：作业正常运行（checkpoint每次都成功）12:00第一次开始执行checkpoint，12:00:02 checkpoint 成功，第二次checkpoint开始时间为12:05:02。

● 场景二：作业不正常（checkpoint因某些原因超时或者失败，本次场景以超时为例）12:00第一次开始执行checkpoint，12:00:02 checkpoint 成功-->>12:05:02第二次开始执行checkpoint，12:15:02超时失败，第三次checkpoint开始时间为12:15:02。

作业开发页面，在页面右侧高级配置面板的更多Flink配置中，添加代码后保存生效。

代码示例请参考：state.backend: rocksdbstate.backend.incremental: true。

在页面右侧高级配置面板的更多Flink配置中，添加代码后保存生效。 代码示例请参考：pipeline.operator-chaining: 'false'。

生成watermark的eventtime字段中NULL值脏数据导致。

Event time的时间字段中存在NULL值，需要使用计算列进行过滤，示例如下。

ts as case when datetime is null then to_timestamp('1970-01-01 00:00:00') else datetimeend

细粒度只配置taskmanager.memory.managed.size，没有生效，在（专家模式）细粒度下，这个配置不生效。如果是粗粒度（基础模式）， 需要和taskmanager.memory.task.heap.size一起使用。粗粒度和社区行为一致。

可以在启动日志，或者运行日志的JobManager日志，日志检索restoring关键词，可以看到是否是从sp/cp恢复，例如日志有以下字样 restoring job xxx from savepoint xxx from xxx

当前使用的AK信息，缺少对ODPS表的download权限，需到ODPS表的侧针对该账号进行授权。

语法检查超过底层默认的2min，导致超时异常。

可以在目标作业详情页面右上角，单击编辑后，在页面右侧，高级配置面板的更多Flink配置中flink.sqlserver.rpc.execution.timeout: 600s。

Flink只能保证单个shard内读取有序，多个shard即使是单并发读取也是不保序的。

因为sls写入是所有shard并发写的，Flink读的时候从每个shard中分别读取数据。

vvr版本为vvr-4.0.12-flink-1.13等类似的flink1.13版本时，如果Entrypoint Main Args的参数中间有空格， 且整体参数外部没有加双引号，那么中间的空格就会被解析成分号，且作业可能无法运行起来，例如"--name" "where" "a = b"

【处理方式】整体参数写成"--name "where a = b""即外部需要一个双引号包起来，那么内部的空格都会正常解析，并且作业能够正常运行。

当Entry Point Main Arguments传参的时候需要传特殊字符，例如#$，使用\转义也无法识别，特殊字符出现会被丢弃掉的情况，需要在Flink更多配置中，在 "env.java.opts" 中追加 " -Dconfig.disable-inline-comment=true" 即添加参数env.java.opts: -Dconfig.disable-inline-comment=true