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
珠海西格电力4 小时前
零碳园区的能源结构优化需要哪些技术支持?
大数据·人工智能·物联网·架构·能源
BUTCHER55 小时前
Filebeat输出Kafka配置
分布式·kafka
集和诚JHCTECH6 小时前
边缘智能,触手可及|BRAV-7821高能效AI边缘计算系统正式发布
大数据·人工智能·边缘计算
TDengine (老段)6 小时前
使用安装包快速体验 TDengine TSDB
大数据·数据库·物联网·时序数据库·tdengine·涛思数据
雨大王5126 小时前
工业大数据如何定义及其在制造业中的核心价值
大数据
AI智能探索者7 小时前
大数据领域数据可视化:打造高效的数据可视化方案
大数据·ai·信息可视化
码农阿豪7 小时前
时序数据库选型权威指南:从大数据视角解读IoTDB的核心优势
大数据·时序数据库·iotdb
建群新人小猿8 小时前
陀螺匠企业助手—个人简历
android·大数据·开发语言·前端·数据库
阿白逆袭记9 小时前
Git原理与使用详解(十):Git大师之路——总结与最佳实践
大数据·git·elasticsearch
测试人社区-浩辰10 小时前
AI与区块链结合的测试验证方法
大数据·人工智能·分布式·后端·opencv·自动化·区块链