flink流式任务从savepoint恢复方案

背景

为了方便flink作业以sql形式开发、发布、运维，我们建立了flink任务管理平台，其中有一些任务可能因为一些故障（比如机器down掉）而执行restart strategy无果后失败，如果升级了flink版本需要重新发布一些任务，这就需要从最近的checkpoint恢复任务，保存checkpoint/savepoint是很有必要的。在这里有两种方案，第一种方案是任务取消时不删除checkpoint，第二种方案时定时触发savepoint。

方案一：任务取消时不删除Checkpoint

Checkpoint是为JobManager检测到任务Task失败时自动重新拉起任务设计的，Savepoint是为因为一些原因比如集群迁移、flink版本升级而需要重新发布整个Job设计的，但是在实现机制上这两者几乎是一样的，除非要用到增量Checkpoint，具体可参考链接。
那么在没用到增量Checkpoint的场景下Job是可以直接从保存的Checkpoint的恢复的。通常情况下，如果没有专门设置，Job取消时会把外部存储的Checkpoint删除，可以做如下设置保留Checkpoint文件：

env.getCheckpointConfig().enab