檢查點逾時 - Managed Service for Apache Flink
徵狀原因和解決方案

Amazon Managed Service for Apache Flink 之前稱為 Amazon Kinesis Data Analytics for Apache Flink。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

檢查點逾時

如果應用程式未最佳化或正確佈建，檢查點可能會失敗。本節說明此狀況的徵狀和疑難排解步驟。

徵狀

如果應用程式的檢查點失敗，numberOfFailedCheckpoints 將會大於零。

檢查點可能會因為直接失敗 (例如應用程式錯誤) 或暫時性失敗 (例如應用程式資源不足) 而失敗。檢查應用程式日誌和指標是否有下列徵狀：

  • 程式碼中有錯誤。

  • 存取應用程式相依服務時發生錯誤。

  • 序列化資料時發生錯誤。如果預設的序列化程式無法序列化應用程式資料，則應用程式將失敗。如需在應用程式中使用自訂序列化程式的詳細資訊，請參閱 Apache Flink 文件中的資料類型和序列化。

  • 記憶體不足錯誤。

  • 以下指標急劇增加或穩定增加：

    • heapMemoryUtilization

    • oldGenerationGCTime

    • oldGenerationGCCount

    • lastCheckpointSize

    • lastCheckpointDuration

如需監視檢查點的詳細資訊，請參閱 Apache Flink 文件中的監視檢查點。

原因和解決方案

您的應用程式日誌錯誤訊息會顯示直接失敗的原因。暫時性失敗可能有下列原因：

  • 您的應用程式KPU佈建不足。如需增加應用程式佈建的相關資訊，請參閱實作應用程式擴展。

  • 應用程式狀態大小太大。您可以使用 lastCheckpointSize 指標監控應用程式狀態大小。

  • 應用程式的狀態資料在索引鍵之間分配不平均。如果應用程式使用 KeyBy 運算子，請確保您的傳入資料在索引鍵之間已平均分割。如果將大部分資料指派給單一索引鍵，則會產生瓶頸，從而導致失敗。

  • 應用程式遇到記憶體背壓或垃圾回收背壓。監控應用程式的 heapMemoryUtilization、oldGenerationGCTime 以及 oldGenerationGCCount，看是否有值在急劇增加或穩定增加。