flinkcdc中checkpoint不成功问题排查

本文分享自天翼云开发者社区《flinkcdc中checkpoint不成功问题排查》，作者：徐****东 

使用flink-1.16和flinkcdc-3.0进行数据接入，采用standalone模式。运行一段时间后checkpoint开始失败，但日志中没有报错信息。

因savepoint和checkpoint机制一致，使用手动打savepoint断点的方式，尝试查明失败原因。执行指令：

/usr/local/flink/bin/flink savepoint ${job_id} /usr/local/flink-cdc/savepoint/ 

执行后报错，发现如下报错信息。

[1]：Caused by: org.apache.flink.util.SerializedThrowable: java.util.concurrent.ExecutionException: java.io.IOException: Size of the state is larger than the maximum permitted memory-backed state. Size=5325329, maxSize=5242880. Consider using a different checkpoint storage, like the FileSystemCheckpointStorage. 

经分析，是作业的state，默认使用内存存储。随着作业的运行，state超出允许的最大内存，所以无法存储，导致checkpoint被cancel进而失败。 

直接原因是作业的state，默认使用内存存储。随着作业的运行，state超出允许的最大内存，所以无法存储，导致checkpoint被cancel进而失败。 

尝试在flink-conf.yaml中添加如下参数，加大内存限制。发现checkpoint仍会超出内存限制失败。排查源码发现，flink在1.16已去掉该参数。官方建议standalone模式仅作为测试，因此不提供加大内存限制的方式。

state.backend.memory.max-state-size: 10000000 

正确解决办法为，使用hdfs存储checkpoint。