Flink数据倾斜理解
数据倾斜原理 数据倾斜就是数据的分布严重不均,流入部分算子的数据明显多余其他算子,造成这部分算子压力过大。 影响 单点问题 数据集中在某些分区上(Subtask),导致数据严重不平衡。 GC 频繁 过多的数据集中在某些 JVM(TaskManager),使得JVM 的内存资源短缺,导致频繁 GC。 吞吐下降、延迟增大 数据单点和频繁 GC 导致吞吐下降、延迟增大。 系统崩溃 严重情况下,过长的 GC 导致 TaskManager 失联,系统崩溃。 Flink数据倾斜问题定位 定位反压 定位反压有2种方式:Flink Web UI 自带的反压监控(直接方式)、Flink Task Metrics(间接方式)。通过监控反压的信息 ,可以获取到数据处理瓶颈的 Subtask。 确定数据倾斜 Flink Web UI 自带Subtask 接收和发送的数据量。当 Subtasks 之间处理的数据量有较大的差距,则该 Subtask 出现数据倾斜。 Flink 如何处理常见数据倾斜 数据源 source 消费不均匀 解决思路:通过调整并发度,解决数据源消费不均匀或者数据源反压的情况。 例如kaf....