概覽
監控
Overview
History
Summary
Configuration
Checkpoint 詳細資訊
概覽
Flink 的 Web 界面提供了
頁籤/标簽
來監視作業的 checkpoint 資訊。在作業終止後，這些統計資訊仍然可用。有四個不同的頁籤可顯示有關 checkpoint 的資訊：Overview，History，Summary和Configuration。以下各節将依次介紹這些内容。
監控
Overview
概覽頁籤列出了以下統計資訊。請注意，這些統計資訊在 JobManager 丢失時無法儲存，如果 JobManager 發生故障轉移，這些統計資訊将重置。
- Checkpoint Counts
- Triggered：自作業開始以來觸發的 checkpoint 總數。
- In Progress：目前正在進行的 checkpoint 數量。
- Completed：自作業開始以來成功完成的 checkpoint 總數。
- Failed：自作業開始以來失敗的 checkpoint 總數。
- Restored：自作業開始以來進行的恢複操作的次數。這還表示自 送出以來已重新啟動多少次。請注意，帶有 savepoint 的初始送出也算作一次恢複，如果 JobManager 在此操作過程中丢失，則該統計将重新計數。
- Latest Completed Checkpoint：最新（最近）成功完成的 checkpoint。點選
More details
- Latest Failed Checkpoint：最新失敗的 checkpoint。點選
More details
- Latest Savepoint：最新觸發的 savepoint 及其外部路徑。點選
More details
- Latest Restore：有兩種類型的恢複操作。
- Restore from Checkpoint：從 checkpoint 恢複。
- Restore from Savepoint：從 savepoint 恢複。
History
Checkpoint 曆史記錄儲存有關最近觸發的 checkpoint 的統計資訊，包括目前正在進行的 checkpoint。
- ID：已觸發 checkpoint 的 ID。每個 checkpoint 的 ID 都會遞增，從 1 開始。
- Status：Checkpoint 的目前狀态，可以是正在進行（In Progress）（）、已完成（Completed）（）或失敗（Failed）（）。如果觸發的檢查點是一個儲存點，你将看到一個 符号。
- Trigger Time：在 JobManager 上發起 checkpoint 的時間。
- Latest Acknowledgement：JobManager 接收到任何 subtask 的最新确認的時間（如果尚未收到确認，則不适用）。
- End to End Duration：從觸發時間戳到最後一次确認的持續時間（如果還沒有收到确認，則不适用）。完整 checkpoint 的端到端持續時間由确認 checkpoint 的最後一個 subtask 确定。這個時間通常大于單個 subtask 實際 checkpoint state 所需的時間。
- Checkpointed Data Size：所有已确認的 subtask 的 checkpoint 的資料大小。如果啟用了增量 checkpoint，則此值為 checkpoint 資料的增量大小。
- Processed in-flight data：在 checkpoint alignment 期間（從接收第一個和最後一個 checkpoint barrier 之間的時間）對所有已确認的 subtask 處理的大約位元組數。
- Persisted in-flight data：在 checkpoint alignment 期間（從接收第一個和最後一個 checkpoint barrier 之間的時間）對所有已确認的 subtask 持久化的位元組數。僅當啟用 unaligned checkpoint 時，此值大于 0。
對于 subtask，有兩個更詳細的統計資訊可用。
- Sync Duration：Checkpoint 同步部分的持續時間。這包括 operator 的快照狀态，并阻塞 subtask 上的所有其他活動（處理記錄、觸發計時器等）。
- Async Duration：Checkpoint 的異步部分的持續時間。這包括将 checkpoint 寫入設定的檔案系統所需的時間。對于 unaligned checkpoint，這還包括 subtask 必須等待最後一個 checkpoint barrier 到達的時間（checkpoint alignment 持續時間）以及持久化資料所需的時間。
- Alignment Duration：處理第一個和最後一個 checkpoint barrier 之間的時間。對于 checkpoint alignment 機制的 checkpoint，在 checkpoint alignment 過程中，已經接收到 checkpoint barrier 的 channel 将阻塞并停止處理後續的資料。
- Start Delay：從 checkpoint barrier 建立開始到 subtask 收到第一個 checkpoint barrier 所用的時間。
曆史記錄數量配置
你可以通過以下配置鍵配置曆史記錄所儲存的最近檢查點的數量。預設值為
10
。
# 儲存最近 checkpoint 的個數
web.checkpoints.history: 15 Summary
摘要計算了所有已完成 checkpoint 的端到端持續時間、Checkpointed 資料大小和 checkpoint alignment 期間緩沖的位元組數的簡單 min/average/maximum 統計資訊（有關這些内容的詳細資訊，請參見 History）。
請注意，這些統計資訊不會在 JobManager 丢失後無法儲存，如果 JobManager 故障轉移，這些統計資訊将重新計數。
Configuration
該配置頁籤列出了你指定的配置（streaming configuration）：
- Checkpointing Mode：Exactly Once 或者 At least Once。
- Interval：配置的 checkpoint 觸發間隔。
- Timeout：逾時之後，JobManager 取消 checkpoint 并觸發新的 checkpoint。
- Minimum Pause Between Checkpoints：Checkpoint 之間所需的最小暫停時間。Checkpoint 成功完成後，至少要等這段時間再觸發下一個，這可能會延遲正常的間隔。
- Maximum Concurrent Checkpoints：可以同時進行的最大 checkpoint 個數。
- Persist Checkpoints Externally：啟用或禁用持久化 checkpoint 到外部系統。如果啟用，還會列出外部化 checkpoint 的清理配置（取消時删除或保留）。
Checkpoint 詳細資訊
當使用者點選某個 checkpoint 的 More details 連結時，你将獲得其所有 operator 的 Minimum/Average/Maximum 摘要資訊，以及每個 subtask 單獨的詳細量化資訊。
每個 Operator 的摘要資訊
所有 Subtask 的統計資訊
緻謝謝 Flink 官方英文原文
https://ci.apache.org/projects/flink/flink-docs-master/docs/ops/monitoring/checkpoint_monitoring/