在 Apache Flink 中，Checkpoint 和 Savepoint 有哪些不同之处？通常哪些应用场景会选择使用 Savepoint？
考察说明
考查对 Flink 状态管理机制的理解，以及根据业务需求选择合适的容错与恢复手段的能力。
回答思路
- 【回答框架 1】Checkpoint 是 Flink 自动触发的分布式快照，用于故障时的自动恢复，基于轻量级异步屏障机制，配置简单，通常使用 RocksDB 或内存状态后端。Savepoint 是用户手动触发的快照，需要指定路径，格式更稳定，用于运维操作如升级、迁移、调整并行度等。
- 【回答框架 2】触发方式不同：Checkpoint 按时间间隔自动触发，Savepoint 由用户显式调用，可附带元数据。Checkpoint 可能被自动清理，Savepoint 则需手动管理生命周期。
- 【回答框架 3】典型使用 Savepoint 的场景：版本升级时保证状态兼容，集群迁移或并行度调整时保存状态，以及 A/B 测试或业务回滚。Checkpoint 适合日常自动容错。
- 【回答框架 4】建议结合状态后端的实际配置说明两者对存储的要求，以及 Savepoint 在恢复时可能存在的状态兼容性问题。
- 【关键点 1】Checkpoint 自动定期触发，Savepoint 手动触发且路径明确。
- 【关键点 2】Savepoint 用于升级、迁移、扩缩容等运维场景，Checkpoint 用于故障自动恢复。
- 【关键点 3】Savepoint 格式更稳定，但需要额外存储和管理成本。
- 【易错点 1】不要混淆两者的触发机制，Savepoint 不是自动调度的容错机制。
- 【易错点 2】不要认为 Savepoint 可以完全替代 Checkpoint，二者适用场景不同。
- 【易错点 3】注意 Savepoint 的恢复可能受状态后端和依赖算子影响，存在兼容性问题。