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。(注:当处理能力小于接收速率时,容易造成内存溢出,但是当大于限制的接收速率时,又会浪费性能优势)
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”来控制是否启用背压机制,默认值false,即不启用。
注:
背压机制:动态调整采集器采集消息的速度与执行器处理消息的速度
采集器对kafka中的消息进行采集,然后将消息分配给执行器处理
1) 当采集器接收消息过快,Executor来不及处理,会导致内存溢出,所以采集器要降低采集速度
2) 当采集器的速度降低到一定程度,Executor处理消息的能力大于采集速度,会有浪费性能
3) 背压机制就是采集器根据Executor处理消息的能力动态调整采集速度,以便达到最佳的处理效果。
4)当数据量大,且不可控时,需要开启背压机制,动态调整接收与处理的速率。反之当数据量稳定时需要关闭背压机制,自己手动设置接收器速率,因为背压机制会一直占用计算资源进行动态调整的计算。