从 region 改为 full 会扩容单个 Task 故障的影响范围，可以参考社区文档： https://nightlies.apache.org/flink/flink-docs-release-1.16/docs/ops/state/task_failure_recovery/
Best, Weihua On Fri, Feb 24, 2023 at 2:12 PM 唐世伟 <stgz...@126.com> wrote: > 谢谢回复，我看日志已经超出来yarn保存的期限被删了。另外Failover从region改为full。是不是能避免这个问题啊？ > > > 2023年2月23日 上午11:36，Weihua Hu <huweihua....@gmail.com> 写道： > > > > Hi, > > > > 在 Cancel 其他 task 时会先将 task 状态置为 cancelling，这时 task 失败是不会二次触发 Failover 的。 > > 可以检查下是不是作业划分了多个 region，多个 region 的异常是统一计数的。 > > > > 或者可以贴一下日志吗？ > > > > > > Best, > > Weihua > > > > > > On Thu, Feb 23, 2023 at 11:16 AM 唐世伟 <stgz...@126.com> wrote: > > > >> 我们有一个flink任务，同时写10几张doris表，每次doris出问题的时候任务就挂，flink的重启策略没有效果。 > >> flink的重启配置入下： > >> restart-strategy: failure-rate > >> restart-strategy.failure-rate.delay: 60 s > >> restart-strategy.failure-rate.failure-rate-interval: 10 min > >> restart-strategy.failure-rate.max-failures-per-interval: 3 > >> > >> 这边看了一下任务日志逻辑，发现任务写doris失败的时候，进入了重启流程，然后尝试cancel其他的operator。而每次cancel > >> > operator的时候都会触发当前operator的checkpoint。但是由于存在其他大量写doris表的算子。在执行checkpoint都会尝试flush数据到doris，导致再次报错calcel失败。而每次失败都会计入尝试重启次数，最后导致超过重启上限次数，任务直接挂了。请问这个是不是不太合理？理论上说，执行失败就失败了，没必要计入重启失败次数。最后导致重启失败。这个有办法调整吗？ > >
