【大数据面试题】007 谈一谈 Flink 背压

一步一个脚印，一天一道面试题（有些难点的面试题不一定每天都能发，但每天都会写）

什么是背压 Backpressure

在流式处理框架中，如果下游的处理速度，比上游的输入数据小，就会导致程序处理慢，不稳定，甚至出现崩溃等问题。

出现背压的原因

上游数据突然增大

比如数据源突然数据量增大多倍，下游处理速度跟不上。就像平时的小饭店能处理的很轻松，突然到了过年人多了很多，就会需要客人排队。
网络，机器异常等

这个也好理解，如果 team 里突然有人生病了，会导致效率低下。
下游复杂度，并行度与上游算子不同

可能下游算子需要处理更久，或者并行度比上游小，处理的没有上游快，进而可能导致背压。
数据倾斜

数据倾斜会导致任务分配不均匀，比如任务平时均匀分给 5 个同事，结果有天数据倾斜，把 3个人的任务分配给了其中一个同事，那么他处理时间就会比其他同事长，进而影响团队进度。

背压导致的影响

背压不一定会导致程序直接崩溃，但它可能会引发一系列其他问题，最终导致系统不稳定甚至崩溃。具体来说，背压可能导致以下情况：

增加处理延迟： 背压会导致数据积压，增加数据处理的延迟。如果背压持续存在且得不到有效解决，处理延迟可能会不断累积，最终使系统无法及时响应或处理数据。
降低系统吞吐量： 由于背压限制了数据流的速率，系统的整体吞吐量可能会下降。这会导致系统无法充分利用资源，处理能力受限，影响系统的性能表现。
资源浪费： 背压可能导致部分计算资源空闲或被浪费，因为某些任务可能没有足够的输入数据来处理。这样就浪费了资源，降低了系统的效率。
系统稳定性问题： 背压如果得不到有效管理和解决，可能会导致数据积压越来越严重，最终可能引发系统的不稳定性。数据积压可能导致内存消耗过大、任务阻塞等问题，最终可能使系统崩溃或不可用。

如何发现，定位背压

背压本质是一种，不健康，亚健康 状态，可能会出现超时, 失败等问题

在 Web 页面发现 Checkpoint 超时，失败
在 JobManager 中，会找到 Checkpoint expired before completing 报错日志
在 Web 页面的 BackPressure 界面可以看到

如何解决背压亚健康问题

调整并行度：

背压可能是由于某些任务的并行度过高或过低导致的。通过调整任务的并行度，使其能够更好地匹配数据的产生和消费速度，从而减少背压问题的发生。
代码效率低：

-检查点 Checkpoint 频率过快

-水位线 Watermark 更新频率过高

-状态 State 更新快

-代码逻辑复杂（如复杂 SQL， JOIN 等，需要具体针对优化）

java 复制代码

 // 设置Checkpoint相关配置
 env.enableCheckpointing(10 * 1000); // 设置Checkpoint间隔为10秒
 env.getCheckpointConfig().setCheckpointTimeout(30 * 1000); // 设置Checkpoint超时时间为30秒

 // 设置Watermark相关配置
 env.getConfig().setAutoWatermarkInterval(1 * 1000); // 设置每1秒生成一个Watermark

监控和告警：
配置监控系统，实时监测任务的状态、指标和背压情况。当发现背压问题时，及时发送告警并采取相应的措施，例如自动调整任务的并行度或资源分配等。使用 MetricGroup 监控。

定位背压中引用下面文章

https://www.51cto.com/article/686096.html 背感压力，Flink背压你了解多少？

写的非常好，也有部分我暂时没看懂的部分

看到这里的朋友帮忙点下点赞吧~ 这对我非常有帮助，感谢~