2021_03_28

最新推荐文章于 2024-10-01 18:52:18 发布

CoreDao

最新推荐文章于 2024-10-01 18:52:18 发布

阅读量103

点赞数

分类专栏：每日面经文章标签： spark 大数据 kafka hadoop java

本文链接：https://blog.csdn.net/Jin_Lemon/article/details/115289241

版权

2 篇文章 0 订阅

订阅专栏

Spark 1.5以前版本，用户如果要限制 Receiver的数据接收速率，可以通过设置静态配制参数 “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，但也会引入其它问题。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 Spark Streaming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（即 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。
把spark.streaming.backpressure.enabled参数设置为ture,开启背压机制后Spark Streaming会根据延迟动态去kafka消费数据,上限由spark.streaming.kafka.maxRatePerPartition参数控制，所以两个参数一般会一起使用。
其作用就是为了让拉取和处理速度相对稳定。