简介
用户可在作业参数 > 高级参数中配置更多自定义 Flink 参数来实现作业行为的微调，例如设置作业的重启策略、调整 SQL 的 Mini-Batch 配置、关闭异步快照、设置快照最小间隔、调整 RocksDB StateBackend 的缓存大小等。
自定义高级参数需按照 YAML 语法，以 “key: value” 的形式进行配置，英文冒号与 value 之间需要加上空格。修改作业参数后需重新发布并启动作业才能生效。Flink 1.11的参数具体说明详见社区 官方文档。
示例
设置作业的状态后端（State Backend）
默认情况下，Oceanus 采用 RocksDB State Backend，这个状态后端允许超大的状态存取，但是吞吐量和性能方面比基于内存的 FileSystem State Backend 差很多。
如果您的作业状态用量很小，且对延迟、吞吐量要求很高，可以使用下面的语句切换到基于内存的 FileSystem State Backend：
state.backend: filesystem
配置作业重启策略和阈值
默认情况下，Flink 作业崩溃后只有5次内部重启（JobManager 存活时的热重启，大概15s 左右）的机会。超过阈值后再次发生崩溃时，JobManager 会主动退出，导致作业需要经历一个较长时间（约3 - 5分钟）的冷恢复过程；对于未开启快照的作业，可能造成较多的状态和数据丢失。
如果您希望调整作业内部允许的重启次数，可以配置下面的参数（该参数允许作业内部重启最多100次，请酌情调整）：
restart-strategy: fixed-delayrestart-strategy.fixed-delay.attempts: 100restart-strategy.fixed-delay.delay: 5 s
配置 JVM Overhead 比例
默认情况下，Flink 给 JVM 堆外原生内存（Overhead）的比例是0.1（即10%）。当使用 RocksDB 状态后端时，对此区域内存需求较大，可能会出现超额使用而造成 JVM 被容器管控系统 KILL。为了减少这种情况出现，增加使用 RocksDB 状态后端作业的稳定性，可以适当调大该参数比例。
注意
调大该堆外参数会导致 JVM 堆内存可用比例下降，作业更容易出现堆内 OOM，请在必要时再做调整。
taskmanager.memory.jvm-overhead.fraction: 0.3
配置 At Least Once 快照策略
默认情况下，流计算 Oceanus 使用 Exactly-Once 作为默认的快照策略，该策略可以确保作业崩溃恢复后，有最精确的状态一致性，但是少数情况下可能会造成较大延迟。
如果允许作业崩溃恢复时，一部分重复数据再次参与计算（造成短期的结果不精确），可以通过调整 Flink 的快照策略为 At Least Once，这样会取得更好的快照性能，尤其是对于状态超大且多个流之间的速度不一致时效果明显。
execution.checkpointing.mode: AT_LEAST_ONCE
关闭 Operator Chaining 功能
默认情况下，Flink 会将运行图中相同并行度的算子尽可能的绑在一起，避免数据上下游传输的序列化、反序列化额外开销。如果出于定位问题的角度，希望看到每个算子的数据流入流出情况，则可以关闭这个 Operator Chaining 功能。
注意
关闭此功能后，作业的运行效率可能会大幅下降，请谨慎使用。
pipeline.operator-chaining: false
设置作业的快照超时时间
默认情况下，Oceanus 快照超时时间为 20 分钟（1200s）。
如果您的作业状态用量很大，可以使用以下参数配置较大的超时时间：
execution.checkpointing.timeout: 3000s
或者减小快照超时时间：
execution.checkpointing.timeout: 1000s
set CHECKPOINT_TIMEOUT= '1000 s';
设置作业快照保存策略
Oceanus 中 Flink 作业支持的快照保存策略为：
DELETE_ON_CANCELLATION, RETAIN_ON_CANCELLATION 和 RETAIN_ON_SUCCESS。Flink 作业默认快照保存策略为 DELETE_ON_CANCELLATION，如果不设置该参数，自动采用默认策略。以下为快照保存策略的对比：
快照保存策略 | 快照清理行为 |
DELETE_ON_CANCELLATION （默认策略） | 1. 停止时快照，原有 Checkpoint 删除，无法从 Checkpoint 恢复 2. 停止时不进行快照，原有 Checkpoint 删除，无法从 Checkpoint 恢复 |
RETAIN_ON_CANCELLATION | 1. 停止时快照，原有 Checkpoint 删除，无法从 Checkpoint 恢复 2. 停止时不进行快照，原有 Checkpoint 不删除，可以从 Checkpoint 恢复 |
RETAIN_ON_SUCCESS | 1. 停止时快照，原有 Checkpoint 不删除，可以从 Checkpoint 恢复 2. 停止时不进行快照，原有 Checkpoint 不删除，可以从 Checkpoint 恢复 |
用户可以在 “作业参数 - 高级参数” 中设置作业快照保存策略，设置后重启作业才能生效。
execution.checkpointing.externalized-checkpoint-retention: RETAIN_ON_SUCCESS
注意
对于 Jar/PyFlink 类型的作业，建议用户不要在 Jar 包中显式设置作业快照保存策略，因为 Jar 包内设置的作业快照保存策略会覆盖高级参数中的设置。
更多的配置参数
注意
不是所有参数都可以用在 Oceanus 平台，请仔细阅读下面的使用限制，并在充分了解问题和风险的情况下再做调整，避免调参失误造成的作业运行不稳定、无法启动等事故。
使用限制
以下参数由流计算 Oceanus 系统固定设置，禁止进行自定义修改，请勿在高级参数中传入。
禁用参数 |
kubernetes.container.image |
kubernetes.jobmanager.cpu |
taskmanager.cpu.cores |
kubernetes.taskmanager.cpu |
jobmanager.heap.size |
jobmanager.heap.mb |
jobmanager.memory.process.size |
taskmanager.heap.size |
taskmanager.heap.mb |
taskmanager.memory.process.size |
taskmanager.numberOfTaskSlots |
env.java.opts（但是允许用户配置 env.java.opts.taskmanager 和 env.java.opts.jobmanager 两个独立参数） |
