diff --git a/调优/Resource.md b/调优/Resource.md index 1f93c39..ccf8d5b 100644 --- a/调优/Resource.md +++ b/调优/Resource.md @@ -1,9 +1,7 @@ - +# 1. 内存设置 -# 内存设置 - -## TaskManager 内存模型 +## 1.1 TaskManager 内存模型 TaskManager的内存模型如下图所示(1.10之后版本内存模型)： @@ -26,7 +24,7 @@ Flink 使用内存 = 框架堆内和堆外内存 + Task堆内和堆外内存 + 进程内存 - Flink 内存 + JVM特有内存 -### JVM特有内存详解 +### 1.1.1 JVM特有内存详解 JVM特定内存： JVM本身使用的内存，包含JVM的metaspace和over-head @@ -39,7 +37,7 @@ JVM特定内存： JVM本身使用的内存，包含JVM的metaspace和over-head ` 总进程内存*fraction `,如果小于配置的min或者大于配置的max大小，则使用min/max -### 框架内存 +### 1.1.2 框架内存 Flink框架，即TaskManager本身占用的内存，不计入Slot的资源中。 堆内：`taskmanager.memory.framework.heap.size` ，默认128mb。 @@ -47,7 +45,7 @@ Flink框架，即TaskManager本身占用的内存，不计入Slot的资源中。 堆外：`taskmanager.memory.framework.off-heap.size`，默认128mb。 -### Task内存 +### 1.1.3 TaskManager内存 Task执行用户代码所使用的内存。 堆内：`taskmanager.memory,task,heap.size`，默认none，由Flink内存扣除掉其他部分内存得到。 @@ -55,7 +53,7 @@ Task执行用户代码所使用的内存。 堆外：`taskmanager.memory,task.off-heap.size`，默认为0，表示不适用堆外内存。 -### 网络内存 +### 1.1.4 网络内存 网络数据交换所使用的堆外内存大小，如网络数据交换缓冲区。 堆外：`taskmanager.memory.network.fraction`，默认0.1。 @@ -66,7 +64,7 @@ Task执行用户代码所使用的内存。 ` Flink内存*fraction `,如果小于配置的min或者大于配置的max大小，则使用min/max -### 管理内存 +### 1.1.5 管理内存 用于RocksDB 状态后端的本地内存和批的排序、hash、缓冲中间结果。 @@ -86,19 +84,19 @@ Task执行用户代码所使用的内存。 - 单个TaskManager内存大小为2-8G之间。 -# 并行度设置 +# 2. 并行度设置 并行度的设置和具体的作业强关联。 -## 并行度设置 +## 2.1 并行度设置 -- **flink-conf.yml设置** +- 2.1.1 **flink-conf.yml设置** 在我们提交一个Job的时候如果没有考虑并行度的话，那么Flink会使用默认配置文件中的并行度。配置如下： ```conf parallelism.default: 5 ``` -- **env级别** +- 2.1.2 **env级别** env的级别就是`Environment` 级别。也就是通过`ExecutionEnvironment` 来设置整体的Job并行度。 @@ -106,7 +104,7 @@ env的级别就是`Environment` 级别。也就是通过`ExecutionEnvironment` val env = Stream... env.setParallelism(5); ``` -- **客户端级别** +- 2.1.3 **客户端级别** 如果在执行Job时候，发现代码中没有设置并行度而又不修改配置文件的话，可以通过Client来设置Job的并行度。 ```bash @@ -114,7 +112,7 @@ env.setParallelism(5); ``` -p 即设置WordCount的Job并行度为5。 -- **算子级别** +- 2.1.4 **算子级别** 我们在编写Flink项目时,可能对于不同的Operator设置不同的并行度，例如为了实现读取Kafka的最高效 读取需要参考Kafka的partition的数量对并行度进行设置，在Sink时需要对于Sink的介质设置不同的并行