spark streaming程序中当计算过程出现batch processing time > batch interval的情况时，意味着处理数据的速度小于接收数据的速度，如果这种情况持续过长的时间，会造成数据在内存中堆积，导致receiver所在executor内存溢出等问题(如果设置StorageLevel包含disk，则内存存放不下的数据会溢写到disk，加大延迟)，可以通过设置参数spark.streaming.receiver.maxRate来限制receiver的数据接收速率，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，spark streaming从v1.5开始引入反压机制(back-pressure)，通过动态控制数据接收速率来适配集群数据处理能力。
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”来控制是否启动backpressure机制，默认值false，即不启用。
[https://blog.csdn.net/su20145104009/article/details/82762719]
网友评论