开启Flink增量检查点后，state.checkpoints.num-retained应设为何值？

默认值为1时增量检查点的工作机制 #

首先纠正一个常见误解：state.checkpoints.num-retained控制的是持久化存储中保留的已完成检查点数量，不是“内存中仅存一个检查点”——内存中的检查点是临时的，完成后会被持久化到指定存储（如HDFS、S3）。

当该参数设为1且启用增量检查点时，工作流程如下：

• 第一个检查点是全量快照，会把所有状态数据写入存储。
• 后续生成的检查点仅记录自上一个检查点以来的状态变更（增量部分），同时维护元数据结构指向恢复所需的所有状态片段（包括旧检查点中未变更的部分）。
• 每次新检查点完成后，旧检查点会被标记为待删除，但状态后端（如RocksDB）会跟踪哪些状态片段被当前保留的检查点引用，只有未被引用的冗余片段才会被清理。因此，最新的增量检查点依然完整可用，能直接用于作业恢复。

state.checkpoints.num-retained参数设置建议 #

设置值需结合恢复需求和存储资源情况：

• 若仅需从最新检查点恢复、且存储资源有限，保持默认值1完全可行，不会影响增量检查点的正常工作。
• 若需要支持回滚到最近几次的检查点（比如作业出现异常时，最新检查点可能已包含错误状态），建议设置为3-5，兼顾恢复灵活性和存储成本。
• 注意配合state.checkpoints.cleanup-expired（默认开启），超过保留数量的旧检查点会被自动清理，无需手动操作。

内容的提问来源于stack exchange，提问作者priyadhingra19