其他分享
首页 > 其他分享> > 根本:详解receiver based Dstream

根本:详解receiver based Dstream

作者:互联网

根本:详解receiver based Dstream

深圳浪尖 浪尖聊大数据

使用注意事项

  1. receiver 会像正常task一样,由driver调度到executor,并占用一个cpu,与正常task不同,receiver是常驻线程
  2. receiver个数 KafkaUtils.createStream调用次数决定,调用一次产生一个receiver

  3. al topicMap = Map("page_visits" -> 1) map的value对应的数值实际上是消费的线程个数。

    前情:基于reciver kafka java客户端消费者高阶API

  4. receiver 默认 200ms 生成一个block,spark.streaming.blockInterval默认值是200ms。最小建议是50ms,小于该值,性能不好,比如task加载比重就比较大了。每秒钟大于50个任务,那么将任务加载分发执行就会成为一种负担。

根据数据量来调整block的生成周期。

  1. receiver接收的block会放入blockmananger,每个executor都会有一个blockmanager实例,由于数据的本地性,那么存在recever的executor会被调度执行更多的task,就会导致某些executor比较空闲。

a). 增加executor
b). repartition增加分区
c). 调整数据本地性 spark.locality.wait 假如任务都是3s以内执行结束,就会导致越来越多的任务调度到数据存在的executor上执行,最终导致executor执行的任务失衡。

  1. kafka 082 高阶消费者api,有分组的概念。当然就会产生一个问题,消费者组内的线程数,和kafka分区数的对应关系。

  2. checkpoint 目的是从driver故障恢复或者恢复upstatebykey等状态

  3. wal,预写日志,为了故障恢复,实现了最少一次消费。一是没必要多副本,尤其是基于hdfs的存储。然后为了效率,可以关闭wal。使能wal只需要将spark.streaming.receiver.writeAheadLog.enable配置为true,默认值是false

9 限制消费者最大速率


1. spark.streaming.backpressure.enabled

默认是false,设置为true,就开启了背压机制。

2. spark.streaming.backpressure.initialRate

默认没设置,初始速率。第一次启动的时候每个receiver接受数据的最大值。

3. spark.streaming.receiver.maxRate

默认值没设置。每个接收器将接收数据的最大速率(每秒记录数)。 
实际上,每个流每秒最多将消费此数量的记录。 将此配置设置为0或负数将不会对速率进行限制。

10。 spark.streaming.stopGracefullyOnShutdown

on yarn 模式kill的时候是立即终止程序的,无效。

  1. 在产生job的时候会将当前job有效范围的所有block组装成一个blockrdd,一个block对应一个分区。

图解

未加入wal的基于recevier的dstream
根本:详解receiver based Dstream
加入wal的Dstream
根本:详解receiver based Dstream
存checkpoint和wal的过程

根本:详解receiver based Dstream
故障恢复图解

根本:详解receiver based Dstream
视频
根本:详解receiver based Dstream

https://v.qq.com/x/page/x0704oo7k06.html

标签:wal,based,executor,streaming,receiver,spark,Dstream,block
来源: https://blog.51cto.com/15127544/2665110