本文主要是介绍【Flink精讲】Flink反压调优，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Flink 网络流控及反压的介绍：
Apache Flink学习网
反压的理解
简单来说， Flink 拓扑中每个节点（Task）间的数据都以阻塞队列的方式传输，下游来不及消费导致队列被占满后，上游的生产也会被阻塞，最终导致数据源的摄入被阻塞。反压（BackPressure） 通常产生于这样的场景：短时间的负载高峰导致系统接收数据的速率远高于它处理数据的速率。许多日常问题都会导致反压，例如，垃圾回收停顿可能会导致流入的数据快速堆积，或遇到大促、秒杀活动导致流量陡增。
反压的危害
反压如果不能得到正确的处理， 可能会影响到 checkpoint 时长和 state 大小，甚至可能会导致资源耗尽甚至系统崩溃。
1）影响 checkpoint 时长： barrier 不会越过普通数据，数据处理被阻塞也会导致checkpoint barrier 流经整个数据管道的时长变长， 导致 checkpoint 总体时间（End to End Duration）变长。
2）影响 state 大小： barrier 对齐时，接受到较快的输入管道的 barrier 后，它后面数据会被缓存起来但不处理，直到较慢的输入管道的 barrier 也到达，这些被缓存的数据会被放到 state 里面，导致 checkpoint 变大。
这两个影响对于生产环境的作业来说是十分危险的，因为 checkpoint 是保证数据一致性的关键， checkpoint 时间变长有可能导致 checkpoint 超时失败，而 state 大小同样可能拖慢 checkpoint 甚至导致 OOM （使用 Heap-based StateBackend）或者物理内存使用超出容器资源（使用 RocksDBStateBackend）的稳定性问题。
因此，我们在生产中要尽量避免出现反压的情况。
利用 Flink Web UI 定位
Flink Web UI 的反压监控提供了 SubTask 级别的反压监控， 1.13 版本以前是通过周期性对 Task 线程的栈信息采样，得到线程被阻塞在请求 Buffer （意味着被下游队列阻塞）的频率来判断该节点是否处于反压状态。默认配置下，这个频率在 0.1 以下则为 OK， 0.1至 0.5 为 LOW，而超过 0.5 则为 HIGH。
Flink 1.13 优化了反压检测的逻辑（使用基于任务 Mailbox 计时，而不在再于堆栈采样），并且重新实现了作业图的 UI 展示： Flink 现在在 UI 上通过颜色和数值来展示繁忙和反压的程度。
分析瓶颈算子
如果处于反压状态，那么有两种可能性：
（1） 该节点的发送速率跟不上它的产生数据速率。这一般会发生在一条输入多条输出的 Operator（比如 flatmap）。 这种情况，该节点是反压的根源节点，它是从 Source Task到 Sink Task 的第一个出现反压的节点。
（2） 下游的节点接受速率较慢，通过反压机制限制了该节点的发送速率。 这种情况，需要继续排查下游节点，一直找到第一个为 OK 的一般就是根源节点。总体来看，如果我们找到第一个出现反压的节点，反压根源要么是就这个节点，要么是它紧接着的下游节点。
通常来讲，第二种情况更常见。 如果无法确定，还需要结合 Metrics 进一步判断。
利用 Metrics 定位
监控反压时会用到的 Metrics 主要和 Channel 接受端的 Buffer 使用率有关，最为有用的是以下几个 Metrics:
其中 inPoolUsage = floatingBuffersUsage + exclusiveBuffersUsage。
1）根据指标分析反压
分析反压的大致思路是：如果一个 Subtask 的发送端 Buffer 占用率很高，则表明它
被下游反压限速了；如果一个 Subtask 的接受端 Buffer 占用很高，则表明它将反压传导
至上游。反压情况可以根据以下表格进行对号入座(1.9 以上):
2） 可以进一步分析数据传输
Flink 1.9及以上版本，还可以根据 floatingBuffersUsage/exclusiveBuffersUsage 以及其上游 Task 的 outPoolUsage 来进行进一步的分析一个 Subtask 和其上游Subtask 的数据传输。
在流量较大时， Channel 的 Exclusive Buffer 可能会被写满，此时 Flink 会向 Buffer Pool 申请剩余的 Floating Buffer。这些 Floating Buffer 属于备用 Buffer。
总结：
1） floatingBuffersUsage 为高， 则表明反压正在传导至上游
2） 同时 exclusiveBuffersUsage 为低， 则表明可能有倾斜
比如， floatingBuffersUsage 高、 exclusiveBuffersUsage 低为有倾斜，因为少数channel 占用了大部分的 Floating Buffer。
这篇关于【Flink精讲】Flink反压调优的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
