flink消费Kafka的数据，怎么保证数据不丢失
上游可以调整偏移量, 下游事务写和幂等写, 中间靠checkpoint
Savepoint和Checkpoint分别是什么?
Savepoint 是用来为整个流处理应用在某个“时间点”（point-in-time）进行快照生成的功能。该快照包含了数据源读取到的偏移量（offset），输入源的位置信息以及整个应用的状态。借助 分布式快照算法(Chandy-Lamport )的变体，我们可以在应用程序运行中得到某个“时间点”一致的快照。
Savepoint由一个目录以及一个元数据文件构成。其中目录中通常为一个很大的二进制文件，文件中包含了整个流应用在Savepoint或Checkpoint的状态。另外元数据文件通常相对较小，其中包含了指向Savepoint目录中各个文件的指针。
上面关于Savepoint的介绍与Checkpoint很类似，但是二者还是有一些不同点的。
首先Checkpoint 是 Flink 用来从故障中恢复的机制，它快照下了整个应用程序的状态，当然也包括输入源读取到的位点。当应用发生故障时，Flink 将通过从 Checkpoint 加载应用程序状态并从恢复出的历史读取位点继续应用的处理，就像什么事情都没发生一样。
