如何优化Flink的检查点性能？

1、增量检查点（RocksDB 特有）：仅存储自上次检查点以来的状态变化，大幅减少数据量。
2、状态 TTL 自动清理：设置状态生存时间，自动清理过期数据。
3、优化状态数据结构：使用 MapState 替代 ListState 存储稀疏数据，或采用压缩格式（如 RoaringBitmap）。

1、选择高性能存储系统​：优先使用分布式文件系统（如 HDFS 配置 Alluxio 缓存）或云存储（如 S3 结合 EBS）。
2、调整存储参数：
dfs.client.socket-timeout: 300000      # 增加超时时间
dfs.datanode.max.transfer.threads: 4096 # 提升并发写入能力

1、调整触发间隔与超时时间​：平衡容错粒度与性能开销。
2、限制并发检查点数量​：避免同时进行多个检查点导致资源争抢。
3、最小化检查点对齐时间​：启用非对齐检查点（需权衡一致性）。

1、​RocksDB 内存调优​：增加块缓存和 Write Buffer，减少磁盘 IO。
2、高效序列化​：注册 Kryo 或自定义序列化器，减少序列化时间。

1、避免单点瓶颈：确保 TaskManager 的 Slot 数和并行度合理，避免单个节点负载过高。
2、内存分配调优​：增加 TaskManager 堆内存，并分配足够堆外内存给 RocksDB。
taskmanager.memory.process.size: 8192m  # 总内存
taskmanager.memory.managed.size: 2048m   # 托管内存（RocksDB）