流处理通常7*24小时运行，即使内部出现故障也不能停止运行。本节讲解如何恢复故障进程

1.TaskManager故障

（1） 假设Flink应用设置包含4个TaskManager，每个TaskManager包含2个Slot，那么这个流式应用最多支持8个并行度来运行。

（2）如果一个TaskManager出现故障，JobManager将向ResourceManager申请资源，如果没有得到资源，那么JobManager将无法重启。

（3）应用重启策略将决定JobManager以何种方式重启。后面会将重启策略

2.JobManager故障

（1）采用高可用HA，由ZooKeeper来完成选举

（2）JobGraph写入一个远程持久存储系统中，将地址写入ZooKeeper

（3）在检查点即将完成的时候，如果所有任务将各自状态写入远程存储，JobManager会将句柄写入远程存储，并将地址写入ZooKeeper

（4）发生故障，所有JobManager下的任务自动取消

（5）新的JobManager接手工作，向ZooKeeper请求存储位置，Jar、JobGraph及应用检查点

（6）向ResourceManager申请资源

（7）重启，并利用最近一次检查点重置任务状态

3.容器环境

通常自动重启TaskManager和JobManager