各种地方做高h文,99久久综合九九亚洲,瑟瑟综合

當前位置：首頁 / 技術干貨 / 正文

Spark Streaming 反壓機制(Back Pressure)

2022-07-29

速率 spark streaming 處理

Spark Streaming 反壓機制(Back Pressure)

Spark Streaming 反壓機制是1.5版本推出的特性，用來解決處理速度比攝入速度慢的情況，簡單來講就是做流量控制。當批處理時間(Batch Processing Time)大于批次間隔(Batch Interval，即 BatchDuration)時,說明處理數據的速度小于數據攝入的速度，持續時間過長或源頭數據暴增，容易造成數據在內存中堆積，最終導致Executor OOM。反壓就是來解決這個問題的。

spark streaming的消費數據源方式有兩種：

若是基于Receiver的數據源，可以通過設置spark.streaming.receiver.maxRate來控制最大輸入速率；若是基于Direct的數據源(如Kafka Direct Stream)，則可以通過設置spark.streaming.kafka.maxRatePerPartition來控制最大輸入速率。

當然，在事先經過壓測，且流量高峰不會超過預期的情況下，設置這些參數一般沒什么問題。但最大值，不代表是最優值，最好還能根據每個批次處理情況來動態預估下個批次最優速率。

在Spark 1.5.0以上，就可通過背壓機制來實現。開啟反壓機制，即設置spark.streaming.backpressure.enabled為true，Spark Streaming會自動根據處理能力來調整輸入速率，從而在流量高峰時仍能保證最大的吞吐和性能

Spark Streaming的反壓機制中，有以下幾個重要的組件：

RateController 組件是 JobScheduler 的監聽器，主要監聽集群所有作業的提交、運行、完成情況，并從 BatchInfo 實例中獲取以下信息，交給速率估算器（RateEstimator）做速率的估算。

當前批次任務處理完成的時間戳（processingEndTime）
該批次從第一個 job 到最后一個 job 的實際處理時長（processingDelay）
該批次的調度時延，即從被提交到 JobScheduler 到第一個 job 開始處理的時長（schedulingDelay）
該批次輸入數據的總條數（numRecords）

Spark 2.x 只支持基于 PID 的速率估算器，這里只討論這種實現。基于 PID 的速率估算器簡單地說就是它把收集到的數據（當前批次速率）和一個設定值（上一批次速率）進行比較，然后用它們之間的差計算新的輸入值，估算出一個合適的用于下一批次的流量閾值。這里估算出來的值就是流量的閾值，用于更新每秒能夠處理的最大記錄數以上這兩個組件都是在Driver端用于更新最大速度的，而RateLimiter是用于接收到Driver的更新通知之后更新Executor的最大處理速率的組件。RateLimiter是一個抽象類，它并不是Spark本身實現的，而是借助了第三方Google的GuavaRateLimiter來產生的。它實質上是一個限流器，也可以叫做令牌，如果Executor中task每秒計算的速度大于該值則阻塞，如果小于該值則通過，將流數據加入緩存中進行計算。

* 反壓機制真正起作用時需要至少處理一個批：由于反壓機制需要根據當前批的速率，預估新批的速率，所以反壓機制真正起作用前，應至少保證處理一個批。

* 如何保證反壓機制真正起作用前應用不會崩潰：要保證反壓機制真正起作用前應用不會崩潰,需要控制每個批次最大攝入速率。若為Direct Stream，如Kafka Direct Stream,則可以通過spark.streaming.kafka.maxRatePerPartition參數來控制。此參數代表了每秒每個分區最大攝入的數據條數。假設BatchDuration為10秒,spark.streaming.kafka.maxRatePerPartition為12條,kafka topic 分區數為3個，則一個批(Batch)最大讀取的數據條數為360條(3*12*10=360)。同時，需要注意，該參數也代表了整個應用生命周期中的最大速率，即使是背壓調整的最大值也不會超過該參數。

反壓相關的參數

參數名稱	默認值	說明
spark.streaming.backpressure.enabled	false	是否啟用反壓機制
spark.streaming.backpressure.initialRate	無	初始最大接收速率。只適用于Receiver Stream，不適用于Direct Stream。
spark.streaming.backpressure.rateEstimator	pid	速率控制器,Spark 默認只支持此控制器，可自定義。
spark.streaming.backpressure.pid.proportional	1.0	只能為非負值。當前速率與最后一批速率之間的差值對總控制信號貢獻的權重。用默認值即可。
spark.streaming.backpressure.pid.integral	0.2	只能為非負值。比例誤差累積對總控制信號貢獻的權重。用默認值即可
spark.streaming.backpressure.pid.derived	0	只能為非負值。比例誤差變化對總控制信號貢獻的權重。用默認值即可
spark.streaming.backpressure.pid.minRate	100	只能為正數，最小速率