我的流flink作业的检查点时间为2-3秒（15-20%）和3-4分钟（8-12%）以及平均2分钟。我们有两个有状态的操作符。第一个是kafka consumer作为源（flinkkafkaconsumer010），另一个是hdfs sink（custombucketingsink）。这两种情况使得保存点的状态约为1-1.5gb，检查点的状态约为800mb-6gb（平均3gb）。我们有30秒的翻滚处理窗口。检查点持续时间和两个检查点之间的最小暂停时间为3分钟。我的工作平均每分钟消耗约300万条记录，高峰时间消耗约2000万条/分钟记录。有足够的cpu和内存供flink使用。
现在我的疑问是：
1） 即使少数检查点状态的大小比其他检查点状态小（70-80%），也需要几分钟（15-20%的时间），而其他检查点状态需要5-10秒。
2） 缓冲区对齐大小有时会增加到7-8gb，而平均值为800mb-1gb，但检查点时间不受此影响。我想它应该需要更多的时间，因为它应该等待检查站的障碍。
3） 如果我们增加翻滚窗口的尺寸，检查时间会受到影响吗。我认为它既不应该影响保存点时间，也不应该影响检查点时间。
4） 很少有进入hdfs的子任务需要2-3分钟（5-10%的时间）。因此，虽然98%的子任务是在30-50秒内完成的。1-2（95%的时间，只有一个）子任务需要2-3分钟。耽误了整个检查时间。问题不在于运行此子任务的节点，因为它有时发生在某个节点上，有时发生在另一个节点上。
5） 我们每6-8小时会收到一个异常，它将重新启动作业。位于org.apache.flink.streaming.runtime.tasks.systemprocessingtimeservice$triggertask.run（systemprocessingtimeservice）的timerexception{java.nio.channels.closedbyinterruptexception}。java:288)
6） 如何最小化对齐缓冲时间。
7） 保存点时间随输入速率或状态大小的增加或减少而增加或减少，但检查点时间并不相同。检查点时间有时与状态大小呈反比关系，或者我们可以看到它不受状态大小的影响。
8） 每当我们重新启动作业时，所有子任务在所有节点上都需要2-3天的统一时间，但之后1-2个子任务需要2-3分钟，而其他子任务需要15-30秒。我的这种行为可能是错误的，但据我观察，这也是一种情况。