flink 1.14.3 checkpoint 参数说明及应用于持续升级

flink应用开发完成并且部署上线以后，正常情况下要求是持续运行的，也就是不可以中断执行，比如在按天分组统计业务数据的应用中，将之前收到的数据量累计并记录在缓存中，后续接收到数据后，分组累加到之前的数据上。

不管是程序存在bug需要修复后运行，还是程序需要升级功能后重新运行都是不可避免的，此时就需要借助于checkpoint来进行检查点持久化，以便在下次启动应用的时候，利用检查点恢复数据并且继续从上次中断的位置继续运行。

1. 检查点参数配置

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

// 每 3s 做一次 checkpoint
// 根据业务场景，可以灵活设置该参数
env.enableCheckpointing(3000);

// 设置文件后端
env.setStateBackend(new FsStateBackend("file:///opt/flink/chkpoint"));

// checkpoint 语义设置为 EXACTLY_ONCE，这是默认语义
env.getCheckpointConfig().setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE);

// 两次 checkpoint 的间隔时间至少为 1 s，默认是 0，立即进行下一次 checkpoint
env.getCheckpointConfig().setMinPauseBetweenCheckpoints(1000);

// checkpoint 必须在 60s 内结束，否则被丢弃，默认是 10 分钟
env.getCheckpointConfig().setCheckpointTimeout(60000);

// 同一时间只能允许有一个 checkpoint
env.getCheckpointConfig().setMaxConcurrentCheckpoints(1);

// 最多允许 checkpoint 失败 3 次
env.getCheckpointConfig().setTolerableCheckpointFailureNumber(3);

// 当 Flink 任务取消时，保留外部保存的 checkpoint 信息
// 这个是重点，取消和恢复需要此配置
env.getCheckpointConfig().enableExternalizedCheckpoints(CheckpointConfig.ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION);

//ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION:表示一旦Flink处理程序被cancel后，会保留Checkpoint数据，以便根据实际需要恢复到指定的Checkpoint
//ExternalizedCheckpointCleanup.DELETE_ON_CANCELLATION: 表示一旦Flink处理程序被cancel后，会删除Checkpoint数据，只有job执行失败的时候才会保存checkpoint

// 当有较新的 Savepoint 时，作业也会从 Checkpoint 处恢复
env.getCheckpointConfig().setPreferCheckpointForRecovery(true);

2. 查看并记录checkpoint

 通过flink的web ui可以查看任务的checkpoint，不管是正在运行的，还是已经结束的任务，都可以看到checkpoint。

3. 启动任务时指定checkpoint

 上传flink程序jar包以后，submit时需要指定checkpoint，只有这样，程序才会从之前保存的信息中恢复信息到缓存中，继续进行数据处理。

4. checkpoint保存和恢复的数据

checkpoint保存和恢复的数据，包括中间统计数据，kafka消息队列的消费偏移量等。