flink 检查点间隔设置

Question

我有一个使用RocksDB StateBackend的flink任务，检查点配置是最小间隔3分钟，超时5分钟。 当我测试检查点恢复机制时，任务运行良好。当我杀死一个taskmanager来模拟失败并重新启动时，任务从之前的检查点开始延迟，然后产生了背压。然后检查点时间变长，甚至可能失败，任务继续延迟。但是当我将检查点配置设置为最小间隔1分钟，超时时间也为1分钟，并重新执行上述步骤时，任务似乎能够很好地完成恢复并正常运行。我知道检查点间隔越长意味着需要恢复的数据越多，间隔越短检查点开销就越高。就我而言，我的问题是

1. 是否意味着我的任务容量不够大，无法消耗延迟超过三分钟的数据？不过从历史监控来看，任务正常运行时，资源消耗并不是特别大。
2. 如何评估合理的检查点间隔？

我修改了检查点间隔，发现每隔一分钟，我的任务就可以从上一个检查点正常恢复，快速追上历史数据，然后正常运行。

Answer 1

当恢复的作业正在赶上时，某些东西无法处理额外的负载。根据您的说法，我的猜测是接收器正在向外部系统写入数据，或者可能是 Flink 与这些外部系统之间的网络。