如何从旧外部检查点重启已取消的Apache Flink作业

可以用旧的外部化检查点恢复新JobId的作业，关键在于启动时显式指定检查点路径，同时保证作业拓扑兼容，以下是具体方案：

操作步骤 #

• 确认旧检查点完整性：找到旧作业生成的外部化检查点目录，确保目录下存在_metadata文件（这是检查点的核心元数据文件）。检查点的存储路径可通过旧作业的配置state.checkpoints.dir或Flink Web UI的旧作业详情页获取。
• 停止当前运行的新作业：确保待恢复的新作业已被取消，避免资源占用冲突。
• 提交作业时指定恢复源：使用-s（或--fromSavepoint）参数启动新作业，指定旧检查点的_metadata文件路径：

  ./bin/flink run -d \
  -s /path/to/old-checkpoint-directory/_metadata \
  your-job-jar-file.jar --job-specific-arguments
  

• 验证拓扑兼容性：新作业的算子数量、算子ID、状态定义必须与生成旧检查点时的作业完全一致。如果拓扑有修改，需要先调整状态迁移逻辑，否则恢复会失败。

常见问题说明 #

• 默认重启不恢复旧检查点的原因：Flink默认只关联当前JobId的检查点，新作业JobId不同，无法自动识别旧JobId的检查点，必须显式指定路径。
• 检查点路径错误的解决：如果指定路径后报错，先检查路径是否正确、文件系统权限是否足够、_metadata文件是否未损坏。

内容的提问来源于stack exchange，提问作者Gopal