Hi Taylor,
几十G的状态应该不算大，可以看一下出发savepoint的时候，job本身是否已经进入了反压等不健康状态
廖辉轩 <726830...@qq.com> 于2020年10月21日周三 下午2:10写道：
> Hi，all
>
> 当数据到达50G左右时，savepoint总是失败。初步分析是执行savepoint时，内存溢出导致task挂掉，然后task重启。
>
>
> background：
> flink version：1.10.0
> flink on yarn：Total Task Slots8
> Task Managers8，5G memory
>
>
Hi , 可以粘一下aggregateFuntion和ProcessFunction的代码吗
Natasha <13631230...@163.com> 于2020年10月12日周一 下午2:11写道：
>
> HI ALL，
> 刚入门Flink的我最近从github上找了几个分析用户行为的Demo，想以此来入门Flink。
>1. 但是有一个问题我一直想不通：（图1）
>
> 如图，设置用户访问时间为EventTime；我设想的是，如果我设置一小时的滚动时间，那么按道理我应该得到的结果是，
> *在这一小时内访问的pv总数都应该返回给我*
> ，但是为什么cons
意义吗？谢谢
>
> ____
> 发件人: Lee Sysuke
> 发送时间: Friday, April 17, 2020 10:41:42 AM
> 收件人: user-zh
> 主题: Re: 关于flink检查点
>
> 一点个人看法：
>
> 一般业务场景下，大家都需要对流任务的错误范围有个比较确定性的认知。比如设置固定的5min周期，就可以比较确定流处理即使failover，误差也能控制在五分钟内。
> 但如果是自适应的间隔，负载越高周期越长，但实际failover在高负载下出现的概率应该远大于
一点个人看法：
一般业务场景下，大家都需要对流任务的错误范围有个比较确定性的认知。比如设置固定的5min周期，就可以比较确定流处理即使failover，误差也能控制在五分钟内。
但如果是自适应的间隔，负载越高周期越长，但实际failover在高负载下出现的概率应该远大于低负载，这样的设置实用价值可能就并不太大了。
half coke 于2020年4月15日周三 下午4:15写道：
> 是的，根据任务负载的变化自动调整checkpoint的间隔，或者可以通过用户写的逻辑调整检查点。
> 刚开始学习flink，想请教一下。
>
> Congxian Qiu 于2020年4月15日周三 下
