我们有一个在aws emr上运行hadoop和yarn的集群，每个集群有一个核心和一个主节点，每个核心和主节点都有4个vcore、32 gb内存和32 gb磁盘。我们只有一个长时间运行的Yarn应用程序，其中只有一个或两个长时间运行的flink应用程序，每个应用程序的并行度为1。检查点的间隔为10分钟，间隔至少为5分钟。我们使用eventtime，窗口为10分钟，水印持续时间为15秒。状态通过fsstatebackend存储在s3中，并启用异步快照。也只启用了一次检查点。
我们为所有操作符设置了uuid，但没有为yarn设置ha，也没有为操作符设置显式的max parallelism。
当前，当从检查点（3gb）还原时，处理在窗口处保持，直到 org.apache.flink.util.FlinkException: The assigned slot <container_id> was removed 在下一个检查点期间抛出错误。我已经看到，除了具有最大状态的操作符（这是直接在窗口化之后的processfunction）之外，其他所有操作符都完成了检查点。
我知道有人强烈建议使用rocksdb进行生产，但对于一个很可能不会超过50gb的州来说，这是强制性的吗？
从哪里开始解决这个问题最好？平行度？