【Spark 实战系列】sparkstreaming 任务出现堆积如何优化?(流量突然大增资源不够怎么办?)

sparkstreaming 任务出现堆积如何优化?(流量突然大增资源不够怎么办?)

前言

在日常的生产中，什么情况下会出现数据堆积呢？大概有两种情况：

1. 由于要修改业务逻辑，streaming 任务暂停，但是这个时候上游 kafka 里面的数据在不断的生产，等你修改完代码，重新启动任务的时候，kafka 里面就会堆积了很多的数据，在一个 interval 时间内处理不完，就造成了堆积。
2. 平时正常运行的任务，在业务高峰期，有高于正常情况几倍甚至几十倍的数据打到 kafka 里，这个时候因为资源是固定的，就会出现处理不过来的情况，任务就会堆积，你总不能等到高峰期来的时候把任务停掉，增加资源后再启动吧？或者可以提前把资源给多一点，但是这样会造成资源的浪费，因为平时是用不了那么多资源的，只有在业务高峰的时候才会用到。

数据堆积有什么影响呢?

在出现堆积的时候，本应该 12 点整调度起来的任务，延迟了 5 分,在 12 点 5 分调度起来，后面的任务都会延迟，堆积的 job 就会越来越多，可能会达到几万个，最后出现的情况就是数据处理延迟变大，甚至会