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
智能化咨询14 小时前
(99页PPT)智慧校园XXX学院总体解决方案(附下载方式)
大数据
张彦峰ZYF16 小时前
高并发场景下的缓存雪崩探析与应对策略
redis·分布式·缓存
wang_yb16 小时前
数据分析师的“水晶球”:时间序列分析
大数据·databook
ModestCoder_17 小时前
Git 版本管理教程
大数据·git·elasticsearch
hg011817 小时前
湖南工程机械海外火爆,非洲成为出口新增长极
大数据
乐迪信息17 小时前
乐迪信息:异物入侵识别算法上线,AI摄像机保障智慧煤矿生产稳定
大数据·运维·人工智能·物联网·安全
熬夜敲代码的小N18 小时前
从SEO到GEO:AI时代内容优化的范式革命
大数据·人工智能·计算机网络
DX_水位流量监测19 小时前
压力式水位计的技术特性与应用实践
大数据·网络·人工智能·安全·信息可视化
张彦峰ZYF19 小时前
高并发场景下的缓存穿透问题探析与应对策略
redis·分布式
hg011819 小时前
中企承建的突尼斯光伏项目实现商业运营
大数据