资源与并行度

作业并行度应结合数据源分区数、下游吞吐能力、TaskManager 资源和任务槽数量设置，不建议无依据地将并行度调得过高。如果作业出现持续反压，应优先定位下游算子、外部写入端、数据倾斜和网络传输瓶颈，再调整并行度或资源。如果作业长时间处于空闲状态，应检查数据源是否有数据、分区分配是否均衡、过滤条件是否过严。

内存配置

容器化部署或 YARN 部署场景，建议优先配置进程总内存：

jobmanager.memory.process.size: 1024m
taskmanager.memory.process.size: 4096m

Standalone 部署场景，可根据需要配置 Flink 总内存：

jobmanager.memory.flink.size: 1024m
taskmanager.memory.flink.size: 4096m

Checkpoint 调优

生产流式作业建议开启 Checkpoint，并将 Checkpoint 目录配置到可靠的分布式存储。如果 Checkpoint 持续时间经常超过 Checkpoint 间隔，说明系统可能长期处于 Checkpoint 压力中。可适当增大 Checkpoint 间隔。

对状态较大的作业，可评估使用 RocksDB 状态后端和增量 Checkpoint，以降低单次 Checkpoint 的数据量。如果 Checkpoint 对齐时间较长，应结合 WebUI 的反压信息检查是否存在下游瓶颈、数据倾斜或网络问题。

以下示例适用于 Flink 1.20 的配置文件写法。示例值仅用于说明配置含义，实际值需要结合业务延迟要求、状态大小、存储性能和故障恢复目标调整。

# 状态后端类型。状态较大或需要降低 JVM Heap 压力时，可选择 rocksdb；状态较小且追求低延迟时，可评估 hashmap。
state.backend.type: rocksdb
 # 是否启用增量 Checkpoint。启用后，每次 Checkpoint 尽量只持久化相对上一次 Checkpoint 的增量数据。该配置对支持增量 Checkpoint 的状态后端生效，常用于 RocksDB 状态后端。
execution.checkpointing.incremental: true 
# Checkpoint 存储实现。生产环境建议使用 filesystem，并配合可靠的分布式文件系统或对象存储目录。
execution.checkpointing.storage: filesystem
# Checkpoint 存储目录。该目录必须能被 JobManager 和所有 TaskManager 访问。
execution.checkpointing.dir: hdfs:///flink/checkpoints
# Savepoint 默认存储目录。执行 stop with savepoint、作业升级或手动触发 Savepoint 时可使用该目录。
execution.checkpointing.savepoint-dir: hdfs:///flink/savepoints
# 作业取消时是否保留外部化 Checkpoint。
# RETAIN_ON_CANCELLATION 表示取消作业后保留 Checkpoint，便于需要时从保留的 Checkpoint 恢复；保留的数据需人工清理。
# DELETE_ON_CANCELLATION 表示取消作业时删除 Checkpoint。
execution.checkpointing.externalized-checkpoint-retention: RETAIN_ON_CANCELLATION
# JobManager 侧保留的已完成 Checkpoint 元数据数量。值越大，可查看和恢复的历史 Checkpoint 越多，但会增加元数据保留开销。
execution.checkpointing.num-retained: 5
# Checkpoint 触发间隔。间隔越短，故障后可回放的数据越少，但对状态存储和作业处理链路的压力越大。
execution.checkpointing.interval: 5 min
# Checkpoint 超时时间。超过该时间仍未完成的 Checkpoint 会失败。
execution.checkpointing.timeout: 10 min
# 可容忍的连续 Checkpoint 失败次数。超过该次数后，作业会按失败处理。不建议设置过大，否则可能掩盖存储不可用、反压严重等真实问题。
execution.checkpointing.tolerable-failed-checkpoints: 3
# Checkpoint 一致性语义。多数生产作业建议使用 EXACTLY_ONCE；只有在明确可接受重复处理且追求更低延迟时，才评估 AT_LEAST_ONCE。
execution.checkpointing.mode: EXACTLY_ONCE

SQL 作业调优

维表 Join、窗口聚合、去重、Top-N 等作业容易产生较大状态，请提前评估状态规模和 Checkpoint 存储压力。