1. CLI 的工作方式：它连接谁？
bin/flink会连接到 Flink 配置文件里指定的 JobManager（或你在命令里用--jobmanager host:port指定的 JM）。
前提：必须有一个可用的 Flink 部署（本地、YARN、K8S、Standalone Session 等）。
2. 提交作业（run）：最常用的入口
2.1 提交一个 JAR（推荐加 --detached）
./bin/flink run\--detached\./examples/streaming/StateMachineExample.jar--detached：提交完就返回，不会一直挂在终端等作业结束- 输出里会给出JobID（后续 list/savepoint/stop/cancel 都靠它）
把 JobID 存变量，后续更方便：
exportJOB_ID="cca7bc1061d61cf15238e92312c2fc20"2.2 用 -D 传递配置（发布时非常关键）
run支持-D传递额外配置，例如：
./bin/flink run --detached\-Dpipeline.max-parallelism=120\./your-job.jar这个能力对Application Mode特别重要：你可以不改flink-conf.yaml，直接在提交时把内存、并发、checkpoint 等配置传进集群。
注意：提交到已存在的 Session 集群时，一般只支持执行相关参数（execution config）生效，别指望所有参数都能“改动集群级别行为”。
3. 监控作业（list）：查运行中/排队中
./bin/flink list它会列出：
- Running/Restarting Jobs（运行中/重启中）
- Scheduled Jobs（已提交但尚未启动）
实战习惯：提交后第一件事 list 一下，确认 Job 状态不是立刻 FAILED/RESTARTING。
4. Savepoint：可控的“状态快照”，用于迁移/升级/回滚
4.1 创建 Savepoint
./bin/flink savepoint\$JOB_ID\/tmp/flink-savepoints- savepoint 目录可选：如果
execution.checkpointing.savepoint-dir没配置，就必须在命令里带上 - 成功后会返回一个 savepoint 路径（后续
--fromSavepoint用它）
4.2 Savepoint 触发超时怎么办？用 detached
状态大时，客户端等待 savepoint 完成可能超时（TimeoutException）。解决方式是“触发后立刻返回”：
./bin/flink savepoint\$JOB_ID\/tmp/flink-savepoints\-detached这会返回一个 triggerId，之后可以通过 REST API 查询该 trigger 的完成状态（CLI 文档也建议这么做）。
4.3 Dispose Savepoint：删除 savepoint 数据与元信息
./bin/flink savepoint\--dispose\/tmp/flink-savepoints/savepoint-xxx\$JOB_ID注意一个坑：如果你的状态里有自定义 state/自定义类（尤其 RocksDB state），dispose 时可能需要提供原作业 jar，否则会 ClassNotFound：
./bin/flink savepoint\--dispose<savepointPath>\--jarfile<jarFile>5. 手动触发 Checkpoint：更偏“运维诊断/临时保底”
./bin/flink checkpoint$JOB_ID如果你的作业默认跑的是 incremental checkpoint，但你想强制做一次 full checkpoint：
./bin/flink checkpoint$JOB_ID--fullCheckpoint 和 Savepoint 的关键差异（实战理解版）：
- Checkpoint：系统为容错自动做（也可手动触发），更偏“持续容错”
- Savepoint：人为控制，用于“迁移/升级/回滚/停止再启动”
6. 停作业：stop vs cancel（一个优雅，一个粗暴）
6.1 stop：优雅停止并创建最终 Savepoint（强烈推荐用于可恢复停机）
./bin/flink stop\--savepointPath /tmp/flink-savepoints\$JOB_IDstop 的语义是“从 source 到 sink”平滑停：
- 让 source 发最后一次 barrier，生成 savepoint
- savepoint 成功后，source 调用 cancel() 结束
如果你要“彻底停机并清空事件时间相关的等待”，可以加--drain：
./bin/flink stop\--savepointPath /tmp/flink-savepoints\--drain\$JOB_ID--drain会发送 MAX_WATERMARK，触发 event-time timer（比如窗口）把“该出结果的都出完”。
注意：想将来从 savepoint 恢复继续跑，通常不要 drain，否则可能引入恢复后的语义问题。
6.2 cancel：直接取消（不保证状态一致性/不做最终保存）
./bin/flink cancel$JOB_ID文档里提到--withSavepoint在 cancel 时顺便做 savepoint 这个功能已 deprecated：生产建议用 stop 来做“取消 + 最终 savepoint”。
7. 从 Savepoint 启动作业：升级/迁移的核心套路
./bin/flink run\--detached\--fromSavepoint /tmp/flink-savepoints/savepoint-xxx\./your-job.jar如果你的新版本作业删掉了某些算子，导致 savepoint 里有“无法恢复的状态”，但你仍想启动，可以加：
./bin/flink run\--fromSavepoint<savepointPath>\--allowNonRestoredState\...这是“兼容演进”常用开关，但它也意味着你明确接受丢弃某些旧状态。
8. CLI Actions 速查表（你每天会用到的）
run：提交并运行作业（JAR/PyFlink）info：打印优化后的执行图（排查 SQL/Plan 很有用）list：列出运行/排队作业savepoint：触发/清理 savepointcheckpoint：手动触发 checkpoint（含 full）stop：优雅停止并生成最终 savepointcancel：直接取消
帮助命令：
./bin/flink --help ./bin/flink<action>--help9. 选择部署目标：–target 一把梭（Session / Application）
--target会覆盖execution.target的配置。
常见组合：
YARN：
./bin/flink run --target yarn-session... ./bin/flink run --target yarn-application...Kubernetes：
./bin/flink run --target kubernetes-session... ./bin/flink run --target kubernetes-application...Standalone：
./bin/flink run --targetlocal... ./bin/flink run --target remote...理解建议：
- session：提交到已存在集群（共享 JM/TM）
- application：提交时起一个专属集群（更适合隔离、参数化、CI/CD）
10. PyFlink 提交：不用 jar，但要管 Python 环境与依赖
10.1 基础运行
./bin/flink run --python examples/python/table/word_count.py先确认 Python 版本 ≥ 3.9：
python --version10.2 带依赖文件（–pyFiles）
./bin/flink run\--python your_job.py\--pyFiles file:///user.txt,hdfs:///path/username.txt--pyFiles会加到 PYTHONPATH（客户端与远端 python worker 都能用）。
10.3 Python 里引用 Java UDF 或外部 connector（–jarfile）
./bin/flink run\--python your_job.py\--jarfile your-udf-or-connector.jar10.4 用模块方式提交（–pyModule）
./bin/flink run\--pyModule word_count\--pyFiles examples/python/table10.5 YARN application 模式跑 PyFlink（典型生产形态）
你可以通过-D把 JM/TM 内存、应用名、ship-files 等都带上，还能指定 venv、python 可执行文件：
./bin/flink run -t yarn-application\-Djobmanager.memory.process.size=1024m\-Dtaskmanager.memory.process.size=1024m\-Dyarn.application.name=<ApplicationName>\-Dyarn.ship-files=/path/to/shipfiles\-pyarch shipfiles/venv.zip\-pyclientexec venv.zip/venv/bin/python3\-pyexec venv.zip/venv/bin/python3\-pyfs shipfiles\-pym word_count一个现实限制：-pyarch通过 blob server 分发，单个归档文件大小上限 2GB，超过要放到分布式文件系统再引用。
10.6 PyFlink 相关参数速记
--python/-py：入口脚本--pyModule/-pym：入口模块（通常配合--pyFiles）--pyFiles/-pyfs：代码/资源文件（zip/whl/目录都行）--pyArchives/-pyarch：归档（比如 venv、数据包）--pyClientExecutable：提交端 python--pyExecutable：远端 worker python--pyRequirements：requirements.txt + 可选离线包目录
