26、使用StreamPark管理Flink作业中，关于flink on k8s部分的提交处理

之前使用云上产品（华为云DLI）来管理Flink作业，在使用过程中发现几个痛点：

1.监控指标太少了，
2.作业内部发生异常情况重启，居然不会告警，
3.资源粒度太大了，最小为1CU（1核4g），对于我们大部分都是小规模作业来说，资源浪费严重，ps：2024年国庆后好像上新功能，最小粒度为0.5CU了，
4.flink相关的包出现过仓库没有的情况，是flink-cdc-connector相关的，其它的包依赖也整了好久，虽然之前迁云的时候已经处理好了，但是总归体验不好。

这里吐槽一句，针对flink作业的管理的云产品来说，阿里云，腾讯云甩华为云的产品好几条街😅。
已经整体迁移到华为云了，就没办法再想其它云产品了。就把目标转向了开源产品。

github启动，点开几年前试用过的streampark，当时还是叫streamX来着。
clone项目（2.1.4版本），下载压缩包，测试服务器解压，配置，创建作业，启动~。
这里主要记录一下在streampark上使用flink on k8s遇到的一些问题，有的改了streampark源码，有的改了作业代码。
这里记录一下提交问题的处理：
描述：我用的是华为云的cci集群， 当时将flink作业提交到k8s后，虽然作业的taskmanager启动会很久，但是最终还是启动起来了，但是streampark却把作业识别为启动失败。
原因：
在这个类方法中 org.apache.streampark.flink.kubernetes.watcher.FlinkJobStatusWatcher#touchApplicationJob
拿到jobmanager url后会通过flink的restapi去拉取job list，但是这个时候cci上taskmanager还没启动来（太慢了~），就会拿到空的joblist，同样clusterid也是没有的，所以后面走的org.apache.streampark.flink.kubernetes.watcher.FlinkJobStatusWatcher#inferStateFromK8sEvent方法也是拿到不对的状态。

解决办法：很简单，根据cci上taskmanager启动的时间，给它增加一定的重试次数。重试次数通过配置传入