欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  科技

ApacheFlink实战之flink中的背压的处理原理

程序员文章站 2022-06-18 16:16:42
flink中的背压的处理原理 什么是背压问题? 流系统中消息的处理速度跟不上消息的发送速度,导致消息的堆积。如果系统能感知消息堆积,并调整消息发送的速度。 使消息的处理速度和发送速度相协...

flink中的背压的处理原理

什么是背压问题?

系统中消息的处理速度跟不上消息的发送速度,导致消息的堆积。如果系统能感知消息堆积,并调整消息发送的速度。

使消息的处理速度和发送速度相协调就是有背压感知的系统。背压如果不能得到正确地处理,可能会导致资源被耗尽或者

甚至出现更糟的情况导致数据丢失。flink就是一个有背压感知的基于流的分布式消息处理系统。

ApacheFlink实战之flink中的背压的处理原理

举例说明:

1.正常情况:消息处理速度>=消息的发送速度,不发生消息拥堵,系统运行流畅

ApacheFlink实战之flink中的背压的处理原理

2.异常情况:消息处理速度< 消息的发送速度,发生了消息拥堵,系统运行不畅。

ApacheFlink实战之flink中的背压的处理原理

消息拥堵可以采取两种方案

a.将拥堵的消息直接删除,将会导致数据丢失,在精确到要求高的场景非常不合适

b.将拥堵的消息缓存起来,并告知消息发送者减缓消息发送的速度。

3.处理方法:将缓冲区持久化,以方便在处理失败的情况下进行数据重放。

有些source本身提供持久化保证,可以优先考虑。例如: Apache Kafka是一个很不错的选择,可以背压从sink到source

的整个pipeline,同时对source进行限流来适配整个pipeline中最慢组件的速度,从而获得系统的稳定状态。

ApacheFlink实战之flink中的背压的处理原理

flink中的背压

Flink使用分布式阻塞队列来作为有界缓冲区。如同Java里通用的阻塞队列跟处理线程进行连接一样,一旦队列达到容量上限,

一个相对较慢的接受者将拖慢发送者。

举例说明:

图中有一个简单的flow,它由两个task组成

ApacheFlink实战之flink中的背压的处理原理

1、记录“A”进入Flink,然后被Task 1处理

2、Task 1处理后的结果被序列化进缓冲区

3、task 2从缓冲区内读取一些数据,缓冲区内将有更多的空间。

4、如果task 2处理的较慢,task1的缓存区将很快填满。发送速度随之下降。

注意:为了记录能被Flink处理,缓冲区必须是可用的