full gc频繁有什么问题_【Flink 精选】常见的性能问题及其定位思路

常见的性能问题及其定位思路

---

1.常见的性能问题

（1）JSON序列化和反序列化

source的序列化，sink的反序列化

（2）MAP和SET的hash冲突

MAP和SET的负载因子随着数据的增大而变大，使得hash冲突的几率大大增加，导致了插入和查询效率严重下降。

（3）数据倾斜

数据分布原理符合“二八原理”，即一般情况下数据的分布是不均匀的。如果数据分布严重不均匀，则出现数据倾斜，导致大量的数据集中在某个Subtask。数据倾斜不但导致 job 的性能和吞吐量下降，而且可能使得JVM 的内存资源短缺导致频繁 GC，严重的情况可以导致TaskManager的失联。

（4）外部低速系统交互

sink 对接的外部低速系统，例如 Mysql、Hbase 等，不支持高写入量。如果 sink 的数据量剧增，严重的可能导致外部低速系统的崩溃。

（5）频繁GC

JVM 内存不足或者分配不合理，频繁 GC，甚至 TaskManager 的失联。

（6）大窗口

滚动窗口大小过大、滑动窗口的大小和滑动距离过小、数据量大，可能导致缓存数据量太大，使得 JVM 内存不足甚至 GC，还可能导致 checkpoint 时间变大甚至超时。

常见性能问题

2.问题的定位思路

定位口诀：一压二查三指标，延迟吞吐是核心。时刻关注资源量 , 排查首先看GC。

（1）看反压

通常最后一个反压的 Subtask，其下游就是反压的源头，即 job 的瓶颈。

（2）看checkpoint时长

checkpoint 时长影响 job 整体吞吐。

（3）看核心指标

延迟、吞吐是最重要的指标。

（4）资源的使用率

提高资源利用率是最终目的。

定位思路