官方有提供checkpointing debug建议。
https://ci.apache.org/projects/flink/flink-docs-release-1.4/ops/state/large_state_tuning.html
现在遇到过的情况列举如下：
通过成功的checkpointing历史记录，查看start delay时间，推断出现在系统有背压。
第一次checkpointing就耗时很长，最终超时。
是有特殊的脏数据导致代码逻辑出bug，一直在while循环。 barrier 流不下去，导致一个task一直不能checkpoint成功。