Spark:背压机制

 Spark1.5以前版本,用户如果想要限制Receiver的数据接收速率,可以通过设置静态配置参数"spark.streaming.receiver.maxRate"的值来实现,此举虽然可以通过限制接收速率,来适配当前的处理能力,防止内存溢出,但也会引入其他问题,比如:producer数据生产高于maxRate,当前集群处理能力也高于maxRate,这就会造成资源利用率下降等问题。

 为了更好的协调数据接收速率与资源处理能力,1.5版本开始SparkStreaming可以动态控制数据接收速率来适配集群数据处理能力,背压机制(Spark Streaming Backpressure):根据JobScheduler反馈作业的执行信息来动态调整Receiver数据接收率

 通过属性"spark.streaming.backpressure.enabled"来控制是否启用backpressure机制,默认值false,即不启用

相关推荐
SparklingTheo12 分钟前
【Zookeeper】源码阅读
分布式·zookeeper·云原生
徐礼昭|商派软件市场负责人24 分钟前
如何打通2B与2C库存?如何破解“线上缺货、线下积压”的内耗?——OMS全渠道「库存一盘货」策略详解
大数据·库存管理·订单管理·商派oms·oms系统
Regentsoft丽晶软件31 分钟前
全渠道一盘货驱动零售品牌DTC转型,破除传统零售割裂和库存冗余
大数据·人工智能·零售
jkyy201435 分钟前
从手机原生相机到医疗机构:规模化膳食采集能力的多场景落地实践
大数据·数码相机·智能手机·健康医疗
源码宝36 分钟前
产科电子病历门诊模块实现:自助建档、孕周计算与产检计划生成
大数据·源码·产科电子病历·产科系统·智慧产科·专科病历
xiaogai_gai44 分钟前
电商采购入库对接财务VMI采购入库(单号回写)实战教程
大数据·数据库
Yan卌1 小时前
探析全球虫害治理前沿 —— 美国 PestWorld 展会简述
大数据·运维·人工智能
Francek Chen1 小时前
【大数据处理与分析】数据仓库Hive:07 Hive HA基本原理
大数据·数据仓库·hive·hadoop·数据分析
棣廷1 小时前
初识Hadoop
大数据·hadoop·分布式