2020年11月25日
Flink 自定义触发器
摘要： import org.apache.flink.api.common.state.ReducingState; import org.apache.flink.api.common.state.ReducingStateDescriptor; import org.apache.flink.api. 阅读全文
posted @ 2020-11-25 10:21 宁君 阅读(1052) 评论(1) 推荐(0) 编辑
Flink开发中的问题
摘要： 1. 流与批处理的区别 流处理系统 流处理系统，其节点间数据传输的标准模型是：当一条数据被处理完成后，序列化到缓存中，然后立刻通过网络传输到下一个节点，由下一个节点继续处理。 批处理系统 批处理系统，其节点间数据传输的标准模型是：当一条数据被处理完成后，序列化到缓存中，并不会立刻通过网络传输到下一个 阅读全文
posted @ 2020-11-25 10:20 宁君 阅读(1380) 评论(0) 推荐(0) 编辑
怎么确定一个Flink job的资源
摘要： 怎么确定一个Flink job的资源 Slots && parallelism 一个算子的parallelism 是5 ，那么这个算子就需要5个slot， 公式 ：一个算子的parallelism 是n ，那么这个算子就需要5个n 通俗理解：几个并行度，就是有几个线程处理。 如何计算Slot 如果不 阅读全文
posted @ 2020-11-25 10:10 宁君 阅读(886) 评论(0) 推荐(0) 编辑
Flink统计日活
摘要： .keyBy(0) .window(TumblingProcessingTimeWindows.of(Time.days(1), Time.hours(-8))) .trigger(ContinuousProcessingTimeTrigger.of(Time.seconds(10))) .evic 阅读全文
posted @ 2020-11-25 09:51 宁君 阅读(1188) 评论(0) 推荐(0) 编辑
Flink读取resource资源文件
摘要： public static ParameterTool getParameterTool(String[] args){ try { return ParameterTool .fromPropertiesFile(PropertiesUtil.class.getResourceAsStream(" 阅读全文
posted @ 2020-11-25 09:49 宁君 阅读(1863) 评论(0) 推荐(0) 编辑
2020年11月20日
Spark-6-如何缓解消除数据倾斜
摘要： 1 尽量避免数据源的数据倾斜 比如数据源是Kafka 以Spark Stream通过DirectStream方式读取Kafka数据为例。由于Kafka的每一个Partition对应Spark的一个Task（Partition），所以Kafka内相关Topic的各Partition之间数据是否平衡，直 阅读全文
posted @ 2020-11-20 22:05 宁君 阅读(267) 评论(0) 推荐(0) 编辑
Spark-5-如何定位导致数据倾斜的代码
摘要： 数据倾斜只会发生在shuffle过程中。这里给大家罗列一些常用的并且可能会触发shuffle操作的算子：distinct、groupByKey、reduceByKey、aggregateByKey、join、cogroup、repartition等。出现数据倾斜时，可能就是你的代码中使用了这些算子中 阅读全文
posted @ 2020-11-20 22:03 宁君 阅读(511) 评论(0) 推荐(0) 编辑
Spark-4-为何要处理数据倾斜
摘要： 什么是数据倾斜 对Spark/Hadoop这样的大数据系统来讲，数据量大并不可怕，可怕的是数据倾斜。 何谓数据倾斜？数据倾斜指的是，并行处理的数据集中，某一部分（如Spark或Kafka的一个Partition）的数据显著多于其它部分，从而使得该部分的处理速度成为整个数据集处理的瓶颈。 如果数据倾斜 阅读全文
posted @ 2020-11-20 22:02 宁君 阅读(106) 评论(0) 推荐(0) 编辑
2020年11月19日
Spark-3-调优要点
摘要： 1 内存调整要点 Memory Tuning，Java对象会占用原始数据2~5倍甚至更多的空间。最好的检测对象内存消耗的办法就是创建RDD，然后放到cache里面去，然后在UI上面看storage的变化。使用-XX:+UseCompressedOops选项可以压缩指针（8字节变成4字节）。在调用co 阅读全文
posted @ 2020-11-19 11:26 宁君 阅读(492) 评论(0) 推荐(1) 编辑
Spark-2-性能监控方式
摘要： 1 Spark Web UI Spark提供了一些基本的Web监控页面，对于日常监控十分有用。 通过http://master:4040（默认端口是4040，可以通过spark.ui.port修改）我们可以获得运行中的程序信息：（1）stages和tasks调度情况；（2）RDD大小及内存使用；（3 阅读全文
posted @ 2020-11-19 11:21 宁君 阅读(313) 评论(0) 推荐(0) 编辑