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
covco10 分钟前
矩阵管理系统指南:拆解星链引擎的架构设计与全链路落地实践
大数据·人工智能·矩阵
陕西字符18 分钟前
2026 西安 豆包获客优化技术深度解析:企来客科技 AI 全域获客系统测评
大数据·人工智能
virtaitech2 小时前
算力浪费与算力饥渴并存,OrionX社区版免费开放能否破解这一困局?
大数据·人工智能·gpu算力
covco2 小时前
分布式架构实战:全平台矩阵管理系统的技术实现与性能优化
分布式·矩阵·架构
青春万岁!!3 小时前
hive模型数据异常-作业调度问题
大数据·数据仓库·hive
QYR-分析3 小时前
压力电气转换器行业市场现状与发展前景分析
大数据·人工智能
人机与认知实验室3 小时前
人机协同的命门:权限与信任
大数据·人工智能
QEasyCloud20226 小时前
领星、聚水潭与金蝶云星空三方系统对接技术方案
大数据
江瀚视野6 小时前
DeepWay深向盈利拐点趋近意味着什么?
大数据·人工智能
Bechamz6 小时前
大数据开发学习Day31
大数据·学习·ajax