监控 State 和 Checkpoint

监控 Checkpoint 行为的最简单方法是通过 WebUI 界面，最值得关注的是：

• 当触发 checkpoint 的时间一直很高时，Operator 收到第一个 checkpoint barrier 的时间一直很高，这意味着 checkpoint barriers 需要很长时间才能从 Source 到 Operator。这通常表明系统在恒定背压（backpressure）下工作。

• 对齐持续时间。在 Exactly-once 语义下，有多个输入的 Operator，已经接收到 barrier 的通道将被阻止接收进一步的数据，直到所有剩余的通道赶上并接收到它们的 barrier 的持续时间。

理想情况下，这两个值都应该是低值，持续出现较高的值意味着 checkpoint barrier 在 job graph 中缓慢移动，通常是由于 backpressure 存在（没有足够的资源来处理记录）。也可以通过增加处理记录的端到端延迟来观察