几十 GB 的状态在 Flink 中属于中等规模，恢复时间长达 10 分钟以上，通常是因为状态下载（网络/存储 I/O 瓶颈）或 RocksDB 初始化单线程处理导致的。 要优化状态恢复速度，可以从以下几个维度进行系统性调优。按照见效快慢和重要程度，建议采取以下措施： --- 1. 开启本地恢复（Local Recovery）—— 最有效的“大招” 原理：默认情况下，Flink 任务挂掉重启时，TaskManager (TM) 会从远端分布式存储（如 HDFS、S3）重新下载所有几十 GB 的状态文件，这会消耗大量网络带宽和时间。开启本地恢复后，每次 Checkpoint 除了写到远端，还会在 TM 本地磁盘保留一份快照。如果任务只是短暂崩溃（如代码逻辑异常、OOM），且被调度回原来的 TM 节点，Flink 会优先直接从本地磁盘加载状态，速度可以从几十分钟缩短到秒级。 配置方法： 注意：这要求你的 TaskManager 有足够的本地磁盘空间来存储至少一份完整的本地 Checkpoint。 2. 提升 RocksDB 状态传输的并发度 原理：默认情况下，RocksDB 在恢复状...
播面