请阐述 Flink 中 Checkpoint 与 Savepoint 在容错和任务恢复方面的作用机制，并说明两者之间的主要区别。
考察说明
考查对 Flink 状态一致性与故障恢复机制的理解，以及区分 Checkpoint 与 Savepoint 的能力。
回答思路
- 【回答框架 1】Checkpoint 是 Flink 基于 Chandy-Lamport 分布式快照算法实现的周期性全局状态快照，用于故障时自动恢复，保证 exactly-once 语义。它由 JobManager 协调，各算子将状态和偏移量异步写入持久化存储，并配合 barrier 机制保证一致性。
- 【回答框架 2】Savepoint 是用户手动触发的、具有业务语义的全局快照，通常用于应用升级、代码调整、集群迁移或 A/B 测试等场景。它独立于 Checkpoint，格式更通用，可被停止和恢复，恢复时允许改变并行度和作业拓扑。
- 【回答框架 3】两者核心区别：Checkpoint 自动、周期短、生命周期由 Flink 管理，失效即清理；Savepoint 手动、灵活、需用户指定路径，保留期由用户控制。恢复时 Savepoint 更稳定，不受默认清理策略影响。
- 【回答框架 4】实现容错时，需要配置可靠的状态后端（如 RocksDB、文件系统），并确保所有算子状态可序列化。恢复过程通过从最近完成的 Checkpoint 或指定的 Savepoint 加载状态，并重置偏移量，实现断点续跑。
- 【关键点 1】Checkpoint 依据 Chandy-Lamport 算法，barrier 按拓扑广播，实现异步快照。
- 【关键点 2】Checkpoint 自动周期触发，用于自动故障恢复；Savepoint 手动触发，用于运维操作。
- 【关键点 3】Savepoint 与 Checkpoint 格式不同，Savepoint 更稳定，支持作业拓扑变更。
- 【关键点 4】恢复时从最近的 Checkpoint 或指定 Savepoint 加载状态，需配置持久化存储。
- 【关键点 5】状态后端的选择影响快照效率与恢复性能。
- 【易错点 1】不能无条件宣称 Checkpoint 保证 exactly-once，需结合幂等写入或事务性 sink 才能实现端到端一致。
- 【易错点 2】默认 Checkpoint 会被自动清理，不可用于长期保留；恢复应用升级时需显式使用 Savepoint。
- 【易错点 3】若状态后端配置不当或存储不可靠，可能导致快照失败，恢复时数据不一致。