如何用脚本触发Checkpoint检查点

“Checkpoint（检查点）”在不同技术栈里含义差别很大，下面按常见场景给你可落地的脚本触发方式，你可以对号入座。

一、深度学习 / 训练框架（PyTorch / TensorFlow）

1️⃣ PyTorch：手动触发 Checkpoint

import torch

def save_checkpoint(model, optimizer, epoch, path="ckpt.pth"):
    torch.save({
        "epoch": epoch,
        "model_state": model.state_dict(),
        "optimizer_state": optimizer.state_dict()
    }, path)

# 触发
save_checkpoint(model, optimizer, epoch=10)

✅ 常用于：

• 定时保存
• 验证集指标提升时保存
• 训练中断恢复

2️⃣ TensorFlow / Keras

model.save("ckpt.h5")

或使用回调：

checkpoint = tf.keras.callbacks.ModelCheckpoint(
    "ckpt.h5",
    save_best_only=True
)
model.fit(x, y, callbacks=[checkpoint])

二、数据库 / 分布式系统（PostgreSQL / Flink / Spark）

1️⃣ PostgreSQL 手动触发 Checkpoint

psql -U postgres -c "CHECKPOINT;"

或脚本：

#!/bin/bash
psql -U postgres -d mydb -c "CHECKPOINT;"

2️⃣ Apache Flink（Savepoint / Checkpoint）

flink savepoint <jobId> hdfs:///checkpoints/

或在代码中：

env.enableCheckpointing(5000);

三、游戏 / 应用逻辑（通用脚本思路）

def trigger_checkpoint(player):
    save_to_disk({
        "position": player.pos,
        "hp": player.hp,
        "level": player.level
    })

四、CI / 自动化脚本触发 Checkpoint

#!/bin/bash
echo "Trigger checkpoint"
curl -X POST http://service/checkpoint

五、如果你用的是“特定平台”

请告诉我：

• 是什么系统？（训练 / 数据库 / 引擎 / 自研）
• 用的是什么语言或框架？
• 是自动还是手动触发？

我可以直接给你可用脚本。