Flink容错检查点配置
public class CheckDemo {
// 主函数入口，用于演示checkpoint的配置
public static void main(String[] args) {
// 获取流执行环境
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
// 每隔1000毫秒触发一次checkpoint
env.enableCheckpointing(1000);
// 获取checkpoint配置对象
CheckpointConfig checkpointConfig = env.getCheckpointConfig();
// 设置checkpoint的触发模式为EXACTLY_ONCE，确保每个操作恰好触发一次
checkpointConfig.setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE);
// 设置两次checkpoint之间的最小暂停时间为500毫秒，以避免过于频繁的checkpoint
checkpointConfig.setMinPauseBetweenCheckpoints(500);
// 设置checkpoint的超时时间为60000毫秒，确保checkpoint能够在合理的时间内完成
checkpointConfig.setCheckpointTimeout(60000);
// 设置同时进行的checkpoint的最大数量为1，以确保资源的有效利用
checkpointConfig.setMaxConcurrentCheckpoints(1);
// 启用外部化checkpoint，并在作业取消时保留checkpoint数据
checkpointConfig.enableExternalizedCheckpoints(CheckpointConfig.ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION);
// 启用非对齐checkpoint，以减少checkpoint之间的相互影响
checkpointConfig.enableUnalignedCheckpoints();
// 设置checkpoint的存储路径为hdfs上的指定目录
checkpointConfig.setCheckpointStorage("hdfs://my/checkpoint/dir")
}
}StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();这行代码初始化了一个
StreamExecutionEnvironment对象，它是Flink程序的核心配置环境。它负责设置执行环境相关的属性，比如如何并行化执行任务、数据源与接收器的定义等。通过调用getExecutionEnvironment()方法，我们可以获取到当前执行环境的默认配置，这一步是编写任何Flink流处理应用的第一步，为后续的数据流定义和执行做准备。env.enableCheckpointing(1000);这行代码启用了Flink的检查点机制，设置检查点生成的时间间隔为1000毫秒（即1秒）。检查点是Flink实现容错机制的关键，它定期保存计算状态，使得在遇到故障时可以从最近的一个成功检查点快速恢复，保证数据处理的连续性和准确性。
CheckpointConfig checkpointConfig = env.getCheckpointConfig();这里通过调用
env.getCheckpointConfig()获取了CheckpointConfig对象，这是一个配置类，专门用于细粒度地控制检查点的行为和特性。通过这个对象，可以调整检查点的高级设置，以满足特定应用的需求。checkpointConfig.setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE);设置检查点的一致性保障模式为
EXACTLY_ONCE。这意味着Flink保证在处理数据时，即使系统发生故障，每条数据也只会被精确处理一次，既不丢失也不重复，这是数据处理领域中最高级别的数据完整性保证。checkpointConfig.setMinPauseBetweenCheckpoints(500);配置了相邻两次检查点之间至少要间隔500毫秒。这一设定有助于防止因频繁创建检查点而对系统造成过大的压力，特别是在资源有限的环境下，合理设置此值能有效平衡资源利用率和容错能力。
checkpointConfig.setCheckpointTimeout(60000);设定了检查点的超时时间为60000毫秒（即1分钟）。如果一个检查点的创建过程超过这个时间仍未完成，则该检查点会被标记为失败，并触发新的检查点创建尝试。此设置有助于及时发现并处理可能的阻塞或性能问题。
checkpointConfig.setMaxConcurrentCheckpoints(1);限制了同时运行的检查点数量为1，这意味着在任何时候，系统内最多只能有一个检查点处于活跃状态。这有助于减少资源争抢，简化恢复逻辑，但可能延长故障恢复的时间。
checkpointConfig.enableExternalizedCheckpoints(ExternalizedCheckpointCleanup.RETAIN_ON_CANCELLATION);开启了外部持久化的检查点功能，并且在作业取消后保留检查点。这意味着检查点不仅存储在内存中，还会被写入到持久化的存储（如HDFS），即使应用停止或取消，这些检查点依然可用，便于未来基于这些检查点重新启动应用。
checkpointConfig.enableUnalignedCheckpoints();启用了不对齐的检查点功能。在某些情况下，对齐屏障等待可能会成为瓶颈，这个选项允许Flink在必要时跳过屏障对齐步骤，以更快地完成检查点的创建，尽管这可能以牺牲一定程度的一致性为代价。
checkpointConfig.setCheckpointStorage("hdfs://my/checkpoint/dir");指定了检查点的存储位置，这里是Hadoop分布式文件系统（HDFS）上的一个目录。所有检查点的相关状态信息将会被保存在这个路径下，确保了即使发生节点故障，也能从指定的外部存储中恢复状态，增强了系统的健壮性和可靠性。