持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第1天，点击查看活动详情
问题： # Flink exactly-once 报错 Timeout expired after 60000 milliseconds while awaiting InitProducerId
背景：
2022.6.11下午一点开始，接到客户现场电话，说目前从测试环境迁移到生产环境的任务运行出现大量失败，其中写kafka的任务全部失败，主要原因是kafka事务超时导致checkpoint超时，进而导致Flink任务失败。
解决过程：
这是一个Flink任务，Source为MySQL，Sink为Kafka，处理逻辑为一些简单的转换映射，就任务逻辑本身来说肯定不会有问题。任务报错的意思就是Kafka事务超时，根据网上的意见呢，主要两方面原因，一方面是Flink开启了exactly once的机制，另一方面是kafka的事务机制。由于这个任务是从测试环境迁移过来的，exactly once一直是默认的，测试环境才刚刚测试结束，无论是吞吐还是结果正确性都是优秀的，然鹅在生产环境居然跑都跑不起来，直接让客户联系运维排查生产环境的kafka服务配置是否正常，参考flink检查点不断失败（等待initproducerid时超时）_大数据知识库 (saoniuhuo.com)，后面运维排查了果然就是kafka服务的问题，但是客户运维没有透露具体是什么问题，而且解决问题十分粗暴，修改配置后，直接删除了原topic，然后建立了一个同名topic。等运维处理完毕后，我方现场同学再次重启流程便正常了。为了保险起见，我又让现场把checkpoint的超时时间调成了2min（正常cp 20s-40s左右）
总结：
当Flink的报错是由数据源服务返回报错信息的时候，可能flink任务本身是没有问题的，不要一个劲死磕在自己身上。
