欢迎关注Hadoop、Spark、Flink、Hive、Hbase、Flume等大数据资料分享微信公共账号:iteblog_hadoop
  1. 文章总数:1073
  2. 浏览总数:14,644,902
  3. 评论:4200
  4. 分类目录:113 个
  5. 注册用户数:7078
  6. 最后更新:2019年11月17日
过往记忆博客公众号iteblog_hadoop
欢迎关注微信公众号:
iteblog_hadoop
大数据技术博客公众号bigdata_ai
开发爱好者社区:
bigdata_ai

Spark Streaming 反压(Back Pressure)机制介绍

背景

在默认情况下,Spark Streaming 通过 receivers (或者是 Direct 方式) 以生产者生产数据的速率接收数据。当 batch processing time > batch interval 的时候,也就是每个批次数据处理的时间要比 Spark Streaming 批处理间隔时间长;越来越多的数据被接收,但是数据的处理速度没有跟上,导致系统开始出现数据堆积,可能进一步导致 Executor 端出现 OOM 问题而出现失败的情况。

而在 Spark 1.5 版本之前,为了解决这个问题,对于 Receiver-based 数据接收器,我们可以通过配置 spark.streaming.receiver.maxRate 参数来限制每个 receiver 每秒最大可以接收的记录的数据;对于 Direct Approach 的数据接收,我们可以通过配置 spark.streaming.kafka.maxRatePerPartition 参数来限制每次作业中每个 Kafka 分区最多读取的记录条数。这种方法虽然可以通过限制接收速率,来适配当前的处理能力,但这种方式存在以下几个问题:

  • 我们需要事先估计好集群的处理速度以及消息数据的产生速度;
  • 这两种方式需要人工参与,修改完相关参数之后,我们需要手动重启 Spark Streaming 应用程序;
  • 如果当前集群的处理能力高于我们配置的 maxRate,而且 producer 产生的数据高于 maxRate,这会导致集群资源利用率低下,而且也会导致数据不能够及时处理。
Spark 数据堆积
如果想及时了解Spark、Hadoop或者Hbase相关的文章,欢迎关注微信公共帐号:iteblog_hadoop

反压机制

那么有没有可能不需要人工干预,Spark Streaming 系统自动处理这些问题呢?当然有了!Spark 1.5 引入了反压(Back Pressure)机制,其通过动态收集系统的一些数据来自动地适配集群数据处理能力。详细的记录请参见 SPARK-7398 里面的说明。

Spark Streaming 1.5 以前的体系结构

在 Spark 1.5 版本之前,Spark Streaming 的体系结构如下所示:

Spark 数据堆积
如果想及时了解Spark、Hadoop或者Hbase相关的文章,欢迎关注微信公共帐号:iteblog_hadoop
  • 数据是源源不断的通过 receiver 接收,当数据被接收后,其将这些数据存储在 Block Manager 中;为了不丢失数据,其还将数据备份到其他的 Block Manager 中;
  • Receiver Tracker 收到被存储的 Block IDs,然后其内部会维护一个时间到这些 block IDs 的关系;
  • Job Generator 会每隔 batchInterval 的时间收到一个事件,其会生成一个 JobSet;
  • Job Scheduler 运行上面生成的 JobSet。

Spark Streaming 1.5 之后的体系结构

Spark 数据堆积
如果想及时了解Spark、Hadoop或者Hbase相关的文章,欢迎关注微信公共帐号:iteblog_hadoop
  • 为了实现自动调节数据的传输速率,在原有的架构上新增了一个名为 RateController 的组件,这个组件继承自 StreamingListener,其监听所有作业的 onBatchCompleted 事件,并且基于 processingDelayschedulingDelay 、当前 Batch 处理的记录条数以及处理完成事件来估算出一个速率;这个速率主要用于更新流每秒能够处理的最大记录的条数。速率估算器(RateEstimator)可以又多种实现,不过目前的 Spark 2.2 只实现了基于 PID 的速率估算器。
  • InputDStreams 内部的 RateController 里面会存下计算好的最大速率,这个速率会在处理完 onBatchCompleted 事件之后将计算好的速率推送到 ReceiverSupervisorImpl,这样接收器就知道下一步应该接收多少数据了。
  • 如果用户配置了 spark.streaming.receiver.maxRatespark.streaming.kafka.maxRatePerPartition,那么最后到底接收多少数据取决于三者的最小值。也就是说每个接收器或者每个 Kafka 分区每秒处理的数据不会超过 spark.streaming.receiver.maxRatespark.streaming.kafka.maxRatePerPartition 的值。

详细的过程如下图所示:

Spark 数据堆积
如果想及时了解Spark、Hadoop或者Hbase相关的文章,欢迎关注微信公共帐号:iteblog_hadoop

Spark Streaming 反压机制的使用

在 Spark 启用反压机制很简单,只需要将 spark.streaming.backpressure.enabled 设置为 true 即可,这个参数的默认值为 false。反压机制还涉及以下几个参数,包括文档中没有列出来的:

  • spark.streaming.backpressure.initialRate: 启用反压机制时每个接收器接收第一批数据的初始最大速率。默认值没有设置。
  • spark.streaming.backpressure.rateEstimator:速率估算器类,默认值为 pid ,目前 Spark 只支持这个,大家可以根据自己的需要实现。
  • spark.streaming.backpressure.pid.proportional:用于响应错误的权重(最后批次和当前批次之间的更改)。默认值为1,只能设置成非负值。weight for response to "error" (change between last batch and this batch)
  • spark.streaming.backpressure.pid.integral:错误积累的响应权重,具有抑制作用(有效阻尼)。默认值为 0.2 ,只能设置成非负值。weight for the response to the accumulation of error. This has a dampening effect.
  • spark.streaming.backpressure.pid.derived:对错误趋势的响应权重。 这可能会引起 batch size 的波动,可以帮助快速增加/减少容量。默认值为0,只能设置成非负值。weight for the response to the trend in error. This can cause arbitrary/noise-induced fluctuations in batch size, but can also help react quickly to increased/reduced capacity.
  • spark.streaming.backpressure.pid.minRate:可以估算的最低费率是多少。默认值为 100,只能设置成非负值。
本博客文章除特别声明,全部都是原创!
转载本文请加上:转载自过往记忆(https://www.iteblog.com/)
本文链接: 【Spark Streaming 反压(Back Pressure)机制介绍】(https://www.iteblog.com/archives/2323.html)
喜欢 (54)
分享 (0)
发表我的评论
取消评论

表情
本博客评论系统带有自动识别垃圾评论功能,请写一些有意义的评论,谢谢!
(409)个小伙伴在吐槽
  1. 向大神学习

    把伤痕当酒窝2019-11-17 02:07 (1天前)回复
  2. 感谢

    杨00072019-11-15 10:12 (3天前)回复
  3. 不当伸手党

    2019-11-14 22:17 (3天前)回复
  4. spark.streaming.backpressure.initialRate 这个参数只适用于receiver模式,不适用direct模式

    烟花易冷2019-11-08 16:07 回复
  5. idea 2017.3.4怎么破解啊

    花开再会权志龙✨2019-11-07 15:42 回复
  6. 学习学习

    哈萨克撒拉2019-11-05 13:29 回复
  7. 学习了,感谢

    没事儿2019-10-31 09:51 回复
  8. 学习了。

    柯广2019-10-30 10:59 回复
  9. 我也不当伸手党

    枫林の残忆2019-10-28 20:25 回复
  10. 好东西!!!!!看一看

    美丽2019-10-28 15:54 回复
  11. 不错,学习了

    大时代2019-10-28 14:34 回复
  12. 我也不当伸手党

    胖墩儿~~2019-10-24 10:59 回复
  13. 学习一下

    ……2019-10-20 20:12 回复
  14. 不做伸手党

    xiewendomg2019-10-18 16:54 回复
  15. 争取不当伸手党

    Paranoid/wl2019-10-18 11:28 回复
  16. 争取不当伸手党

    浪子回头2019-10-16 19:38 回复
  17. 不当伸手党

    lonelyGhostisdog2019-10-16 18:00 回复
  18. 好好学习,做一名内容创造者

    靓‭★╮比卡涅尔…╮♂2019-10-15 09:45 回复
  19. 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。

    shwang2019-10-14 10:55 回复
  20. 不当伸手党

    Jason.Zhang2019-10-11 17:21 回复
  21. 不当伸手党

    czxxing2019-10-10 15:51 回复
  22. 学习学习

    小新2019-10-10 10:31 回复
  23. 学习学习

    JC2019-10-08 10:12 回复
  24. 厉害了厉害了!

    水墨风漾2019-09-26 23:51 回复
  25. 学习

    Wells2019-09-23 14:25 回复
  26. 学习 谢谢

    L²º¹⁹2019-09-20 11:07 回复
  27. 学习下,谢谢

    Matrix2019-09-19 15:49 回复
  28. 厉害

    Toretto2019-09-05 10:03 回复
  29. 看看

    风往哪里吹2019-09-03 20:08 回复
  30. 厉害了

    2019-09-02 12:33 回复
  31. 反压也叫背压吧

    _Breeze。2019-09-01 17:34 回复
    • 背压感觉很不好听 :mrgreen:

      w3970907702019-09-02 22:01 回复
  32. 比较感兴趣,来学习一下正确姿势

    Eric Cartman2019-08-30 15:23 回复
  33. 学习一下

    Eric Cartman2019-08-30 15:22 回复
  34. 工作中用到,特意来了解学习一下。

    2019-08-30 00:17 回复
  35. Spark Streaming 反压机制的使用,向大佬学习

    2019-08-30 00:17 回复
  36. 反压还是很重要的 特地来学习

    APTX48692019-08-29 14:31 回复
  37. Spark Streaming 反压机制的使用,其中设置spark.streaming.backpressure.initialRate限制首次拉取速率选项,但是是指spark高级api的Receiver才有效吧,对于Direct方式不起作用吧。这个地方是不是要讲清楚?

    Gavin♪-方2019-08-23 09:28 回复
  38. 向大神学习!

    B、2019-08-22 20:08 回复
  39. 学习一哈

    儒雅随和的JodA2019-08-22 14:30 回复
  40. 了解一下,面试官经常问

    偏执爱疯狂zz2019-08-21 21:52 回复
  41. spark streaming反压机制的配置想要了解一下

    Jerome2019-08-21 09:19 回复
  42. 学习一下反压机制

    Exception2019-08-19 08:50 回复
1678