From 93de36737479cf81f5660b304586cabe6c8be87e Mon Sep 17 00:00:00 2001
From: zeekling <lingzhaohui@zeekling.cn>
Date: Tue, 3 Jan 2023 00:19:03 +0800
Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0=E8=AE=BF=E9=97=AE=E6=AC=A1?=
 =?UTF-8?q?=E6=95=B0?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 调优/backpress.md | 15 +++++++++++++++
 1 file changed, 15 insertions(+)

diff --git a/调优/backpress.md b/调优/backpress.md
index f13ae82..e0824f5 100644
--- a/调优/backpress.md
+++ b/调优/backpress.md
@@ -1,5 +1,20 @@
 
 <a title="Hits" target="_blank" href="https://github.com/zeekling/hits"><img src="https://hits.b3log.org/zeekling/flink_book.svg"></a>
 
+# 简介
+
+反压（backpressure）是实时计算应用开发中，特别是流式计算中，十分常见的问题。反压意味着数据管道中某个节点成为
+瓶颈，处理速率跟不上上游发送数据的速率，而需要对上游进行限速。由于实时计算应用通常使用消息队列来进行生产端和
+消费端的解耦，消费端数据源是 pull-based 的，所以反压通常是从某个节点传导至数据源并降低数据源（比如 Kafka 
+consumer）的摄入速率。
+
+简单来说，Flink 拓扑中每个节点（Task）间的数据都以阻塞队列的方式传输，下游来不及消费导致队列被占满后，上游的
+生产也会被阻塞，最终导致数据源的摄入被阻塞。
+
+## 反压的影响
+
+反压并不会直接影响作业的可用性，它表明作业处于亚健康的状态，有潜在的性能瓶颈并可能导致更大的数据处理延迟。通
+常来说，对于一些对延迟要求不太高或者数据量比较小的应用来说，反压的影响可能并不明显，然而对于规模比较大的 
+Flink 作业来说反压可能会导致严重的问题。