Flink 1.19作业重启时能否生成Savepoint并停止？Sink该如何设计？

1. 作业处于RESTARTING状态时能否生成Savepoint？ #

在Flink 1.19中，作业处于RESTARTING状态时无法生成Savepoint。Savepoint需要捕获作业的一致性状态快照，而RESTARTING状态下作业正处于恢复过程中，没有稳定的运行状态可供快照，因此你调用的生成Savepoint的REST API会被系统忽略，这是预期行为。

如果需要在循环重启场景下生成Savepoint，推荐以下方案：

• 启用失败自动生成Savepoint：在flink-conf.yaml中配置execution.savepoint-on-failure.enabled: true，作业在最终失败前会自动生成Savepoint，无需手动调用API；
• 调整重启策略：设置restart-strategy.fixed-delay.max-restart-attempts为合理数值，让作业达到最大重启次数后进入FAILED状态，此时可通过作业历史关联获取自动生成的Savepoint；
• 若手动干预，可先执行curl -X PATCH localhost:8081/jobs/<job-id>强制终止重启（作业进入FAILED状态），但此状态下无法再生成Savepoint，因此优先推荐前两种方案。

2. Sink应该设计为异常安全还是快速失败？ #

需结合异常类型和业务需求判断：

• 异常安全设计（适配临时/可恢复异常）：如果Sink遇到的是临时异常（如下游服务短暂不可用、网络波动），应让Sink具备重试能力（可通过Flink内置重试机制或Sink内部实现退避重试），配合合理的重启策略，避免作业因临时问题进入无限循环重启，提升稳定性。
• 快速失败设计（适配永久/不可恢复异常）：如果异常是永久的（如下游服务彻底下线、配置错误、权限问题），应让Sink快速抛出异常终止作业，避免无意义的资源消耗。此时结合execution.savepoint-on-failure.enabled配置，作业会在失败前自动生成Savepoint，方便后续修复后从快照恢复。

实际场景中建议混合设计：对可恢复异常做重试处理，对不可恢复异常直接快速失败，同时配置合理的重启策略和自动Savepoint规则，平衡作业稳定性与运维效率。

内容的提问来源于stack exchange，提问作者Ksenia Rogozhina