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
李白客1 分钟前
分布式交易型数据库:数字时代交易系统的“定海神针“
数据库·分布式
五度易链-区域产业数字化管理平台9 分钟前
从编制规范到落地应用,新版可研报告撰写全流程指南
大数据·人工智能
JAVA面经实录91713 分钟前
ZooKeeper 面试题完整标准答案(面试背诵版)
分布式·zookeeper·面试
知识分享小能手16 分钟前
Hadoop学习教程,从入门到精通, ZooKeeper 分布式协调服务 — 全面知识点与案例代码(5)
hadoop·分布式·zookeeper
lauo17 分钟前
ibbot手机青春版:AI时代真正的生产力革命——从联想小新Air 13看智能设备的分水岭
大数据·人工智能·智能手机
器灵科技21 分钟前
DeepSeek V4 Pro宣称:超GPT-5.5+永久降价75%
大数据·人工智能·gpt·阿里云·ai·语言模型
Solis程序员22 分钟前
Kafka 灾难回放机制:基于事件事实流的计数全量恢复方案
分布式·kafka
yyoc9726 分钟前
本地 Flink on K8s + Iceberg + MinIO 实时数仓平台 — AI部署指南与踩坑实录
大数据·ai·flink·kubernetes·iceberg
Elias不吃糖38 分钟前
RabbitMQ vs Kafka 简单总结
java·分布式·kafka·rabbitmq
阿坤带你走近大数据42 分钟前
flink的架构介绍
大数据·架构·flink