Flink+Spark相關(guān)記錄

• FlinkSQL

• Flink Streaming的一些點(diǎn)
• 覆寫(xiě)RichSource、RichSink、RichMap
  1.Source自動(dòng)負(fù)載均衡，CDC源端加入一個(gè)全局調(diào)控的節(jié)點(diǎn)監(jiān)控流量流速
  2.Sink并發(fā)寫(xiě)入
  3.Map與Iterator與增量迭代等用法
• 關(guān)于Checkpoint幾個(gè)用法
  1.提交Commit至目的端數(shù)據(jù)庫(kù)
  2.UnalignedCheckpoint與ChandyLamport與ChangeLog存增量快照
  3.Buffer寫(xiě)盤(pán)
  4.ckp與record共搶一把鎖，獨(dú)占writeBuffer（1.16版本），ckp禁止太快
  5.State寫(xiě)盤(pán)+broadcast+JVM+keyState+operatorState+并行度自動(dòng)擴(kuò)縮容時(shí)恢復(fù)

Spark記錄

• groupByKey
• reduceByKey
• combineByKey(createCombiner+mergeValue+mergeCombiner)
• aggregate(n)(seqOp,combOp)
• 關(guān)于ByKey和Join不一定會(huì)產(chǎn)生shuffle，先設(shè)置好new HashPartition或Custom或Range、之后直接forward不需要shuffle
• Driver產(chǎn)生一個(gè)DAG
  1.一個(gè)DAG里的一個(gè)節(jié)點(diǎn)=>一個(gè)RDD
  2.一個(gè)RDD=>多個(gè)分區(qū)
  3.一個(gè)分區(qū)=>一個(gè)Task
  ===>一個(gè)DAG有多個(gè)RDD，一個(gè)RDD有多個(gè)Task
  ===>也就是DAG控制多個(gè)彈性數(shù)據(jù)集流轉(zhuǎn)

• JVM與堆外內(nèi)存
• JVM里的StorageMemory（讀RDD用）和ExecutionMemory（shuffle/agg/join用）
• 關(guān)于合理設(shè)計(jì)Block->TaskPartition大小，(4G-200M)*0.5，又因?yàn)閯?dòng)態(tài)可以彈性，可直接3.8G
• Spark設(shè)置cache和persist緩存級(jí)別（每個(gè)分區(qū)的都會(huì)cache，cache務(wù)必保證100%否則重算）
• 對(duì)于Flink又有一個(gè)slot(JVM)里運(yùn)行多個(gè)算子，所以可以考慮slot內(nèi)數(shù)據(jù)總量和資源消耗整體分析
• 關(guān)于Executor add后很久才執(zhí)行，說(shuō)明任務(wù)調(diào)度擁堵
• 堆外內(nèi)存