Apache Flink 的重启策略（Restart Strategies）决定了当作业发生故障（Failover）时，Flink 应该如何尝试恢复作业。

重启策略通常与 Checkpointing（检查点） 机制配合使用。如果未启用 Checkpoint，默认策略通常是“不重启”；如果启用了 Checkpoint，默认策略通常是“无限次重启”。

以下是 Flink 中主要的几种重启策略及其详细说明：

1. 固定延迟重启策略 (Fixed Delay Restart Strategy)

这是最常用的策略之一。当发生故障时，Flink 会尝试重启作业固定次数，每次重启之间等待固定的时间。

• 工作机制：
  • 尝试重启 N 次。
  • 两次尝试之间等待 T 时间。
  • 如果超过 N 次尝试仍然失败，作业最终失败。
• 适用场景：
  • 适用于对偶尔的、瞬时的网络抖动或外部系统连接超时进行容错。
• 配置示例：
  java

  streamEnv.setRestartStrategy(RestartStrategies.fixedDelayRestart(
      3, // 尝试重启次数
      Time.of(10, TimeUnit.SECONDS) // 每次重启的间隔时间
  ));

2. 失败率重启策略 (Failure Rate Restart Strategy)

这种策略基于时间窗口内的失败频率。如果故障发生的频率没有超过设定的阈值，Flink 会继续重启；否则作业失败。

• 工作机制：
  • 在给定的时间窗口 Interval 内。
  • 允许发生故障的最大次数为 MaxFailures。
  • 如果在这个时间窗口内失败次数超过了 MaxFailures，作业最终失败。
  • 每次重启之间有固定的延迟 Delay。
• 适用场景：
  • 适用于允许偶尔发生错误，但如果短时间内频繁出错（说明系统很不稳定或有逻辑错误）则停止作业的场景。
• 配置示例：
  java

  streamEnv.setRestartStrategy(RestartStrategies.failureRateRestart(
      3, // 每个时间间隔内的最大失败次数
      Time.of(5, TimeUnit.MINUTES), // 衡量失败次数的时间间隔
      Time.of(10, TimeUnit.SECONDS) // 两次重启之间的延时
  ));

3. 不重启策略 (No Restart Strategy)

一旦作业发生任何异常，直接让作业失败，不进行任何尝试。

• 工作机制：
  • 发生故障 -> 作业 FAILED。
• 适用场景：
  • 开发测试阶段，希望出错立即报错以便排查。
  • 对数据准确性要求极高，不允许自动重试，必须人工介入检查的场景。
• 配置示例：
  java

  streamEnv.setRestartStrategy(RestartStrategies.noRestart());

4. 指数延迟重启策略 (Exponential Delay Restart Strategy)

（Flink 1.12 引入）
重启尝试之间的延迟会随着尝试次数的增加而指数级增长，直到达到最大延迟。

• 工作机制：
  • 初始延迟为 InitialDelay。
  • 每次失败后，延迟时间翻倍（乘以 BackoffMultiplier），直到达到 MaxDelay。
  • 如果作业运行了足够长的时间（ResetBackoffThreshold）没有发生故障，延迟时间会重置为初始值。
  • 通常可以设置为无限次尝试，或者直到人工干预。
• 适用场景：
  • 外部组件（如 Kafka、HDFS）彻底宕机时，避免 Flink 频繁重启对外部系统造成“重试风暴”压力。它能让系统在故障持续时“冷静”下来。
• 配置示例：
  java

  streamEnv.setRestartStrategy(RestartStrategies.exponentialDelayRestart(
      Time.milliseconds(1),   // 初始延迟
      Time.milliseconds(1000), // 最大延迟
      1.1, // 延迟乘数 (backoff multiplier)
      Time.milliseconds(2000), // 重置阈值
      0 // 抖动因子 (jitter factor)
  ));

如何配置重启策略

重启策略可以通过两种方式配置：

1. 全局配置 (flink-conf.yaml)

对集群内提交的所有作业生效（除非作业代码中覆盖）。

# 策略名称: fixed-delay, failure-rate, none, exponential-delay
restart-strategy: fixed-delay

# 具体参数配置
restart-strategy.fixed-delay.attempts: 3
restart-strategy.fixed-delay.delay: 10 s

2. 作业代码配置 (Per-Job)

优先级高于全局配置。

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setRestartStrategy(RestartStrategies.fixedDelayRestart(3, Time.seconds(10)));

默认行为总结

• 如果启用了 Checkpoint：默认使用 fixed-delay 策略，且尝试次数为 Integer.MAX_VALUE（即无限重启）。
• 如果未启用 Checkpoint：默认使用 no-restart 策略。

总结建议