作业失败

1、在 WebUI 查看作业异常信息，确认失败的算子和异常堆栈。

2、查看 JobManager 日志和对应 TaskManager 日志，确认是否为用户代码异常、依赖缺失、资源不足、外部系统不可用或认证失败。

3、如果作业从 Savepoint 或 Checkpoint 恢复失败，请确认作业拓扑、算子 UID、状态后端和依赖版本是否与保存状态兼容。

作业延迟升高或吞吐下降

1、在 WebUI 查看反压状态。如果下游算子反压高，优先检查下游写入端吞吐、网络和数据倾斜。

2、查看 TaskManager CPU、内存、GC 和网络指标，判断是否存在资源瓶颈。

3、检查 Checkpoint 是否频繁或耗时过长，避免 Checkpoint 占用过多处理资源。

Checkpoint 失败

1、确认 Checkpoint 目录可访问且空间充足。

2、检查状态大小是否快速增长，必要时优化状态 TTL、窗口大小或聚合逻辑。

3、检查外部存储延迟和网络状况。

4、如存在持续反压，先处理反压根因，再调整 Checkpoint 参数。

认证失败

1、确认客户端、JobManager 和 TaskManager 均能获取有效认证凭据。

2、检查 Keytab、principal、krb5.conf、票据有效期和系统时间是否正确。

3、检查作业访问的 HDFS、Kafka、HBase、ZooKeeper 或数据库权限是否满足要求。

Flink CDC 数据同步异常

1、确认源库变更日志能力已开启，CDC 账号权限满足要求。

2、确认源表和目标表字段类型、主键、时区和大小写规则符合连接器要求。

3、确认目标端写入能力满足同步速度，避免目标端反压导致源端读取积压。

4、如出现重复或恢复位置异常，请检查 Checkpoint 是否开启并稳定成功。