问题场景解决方式 问题场景线上部署的用户画像系统中的数据绝大部分是来自于 Kafka 的实时数据。随着数据量越来越多,系统的压力也越来越大,以至于出现了 Flink 背压与 Checkpoint 超时等问题,导致 Flink 提交 Kafka 位移失败,从而影响了数据一致性 解决方式 选择合适的 Checkpoint 存储方式 合理增加算子(Task)并行度缩短算子链(Operator Chains)长度 算子链合并规则 参考链接