Flink 参数配置和常见参数调优

拼搏现实的明天。 2022-11-26 10:58 901阅读 0赞

## 1、Flink参数配置 ##

*  jobmanger.rpc.address：jobmanger的地址

*  jobmanger.rpc.port：jobmanger的端口

*  jobmanager.heap.mb：jobmanager的堆内存大小。不建议配的太大，1-2G足够。

*  taskmanager.heap.mb：taskmanager的堆内存大小。大小视任务量而定。需要存储任务的中间值，网络缓存，用户数据等。

*  taskmanager.numberOfTaskSlots：slot数量。
    
     *  在yarn模式使用的时候会受到`yarn.scheduler.maximum-allocation-vcores`值的影响。
     *  此处指定的slot数量如果超过yarn的maximum-allocation-vcores，flink启动会报错。
     *  在yarn模式，flink启动的task manager个数可以参照如下计算公式：`num_of_manager = ceil(parallelism / slot)` 即并行度除以slot个数，结果向上取整。

*  parallelsm.default：任务默认并行度，如果任务未指定并行度，将采用此设置。

*  web.port： Flink web ui的端口号。

*  jobmanager.archive.fs.dir： 将已完成的任务归档存储的目录。

*  history.web.port： 基于web的history server的端口号。

*  historyserver.archive.fs.dir：history server的归档目录。该配置必须包含jobmanager.archive.fs.dir配置的目录，以便history server能够读取到已完成的任务信息

*  historyserver.archive.fs.refresh-interval： 刷新存档作业目录时间间隔

*  state.backend： 存储和检查点的后台存储。可选值为**rocksdb、filesystem、hdfs。**

*  state.backend.fs.checkpointdir：检查点数据文件和元数据的默认目录。

*  state.checkpoints.dir：保存检查点的目录

*  state.savepoints.dir：save point的目录

*  state.checkpoints.num-retained：保留最近检查点的数量

*  state.backend.incremental：增量存储

*  akka.ask.timeout：jobmanager和task manager通信连接的超时时间。如果网络拥挤经常出现超时错误，可以增大该配置

*  akka.watch.heartbeat.interval：心跳发送间隔，用来检测task manager的状态

*  akka.watch.heartbeat.pause：如果超过该时间仍未收到task manager的心跳，该task manager会被认为已挂掉

*  taskmanager.network.memory.max：网络缓存区最大内存大小

*  taskmanager.network.memory.min：网络缓存区最小内存大小

*  taskmanager.network.memory.fraction：网络缓冲区使用的内存占用总JVM内存的比例。如果配置了taskmanager.network.memory.max和taskmanager.network.memory.min的配置会被覆盖

*  fs.hdfs.hadoopconf：hadoop配置文件路径（已被废弃，建议使用HADOOP\_CONF\_DIR环境变量）

*  yarn.application-attempts：job失败尝试次数，指jobmanager的重启尝试次数。该指不应该超过`yarn-site.xml`中的`yarn.resourcemanager.am.max-attempts`的值

## 2、Flink HA（Job Manager）的配置 ##

*  high-availability：zookeeper

使用zookeeper负责HA实现

*  high-availability.zookeeper.path.root：/flink

flink信息在zookeeper存储节点的名称

*  high-availability.zookeeper.quorum：hadoop100:2181,hadoop101:2181,hadoop103:2181

zk集群节点的地址和端口

*  high-availability.storageDir： hdfs://nameservice/flink/ha/

job manager元数据在文件系统存储的位置，zk仅保存了指向该目录的指针

## 3、Flink metrics监控相关配置 ##

*  metrics.reporters: prom
 *  metrics.reporter.prom.class: org.apache.flink.metrics.prometheus.PrometheusReporter
 *  metrics.reporter.prom.port: 9250-9260

## 4、Kafka相关调优配置 ##

linger.ms/batch.size：这两个配置项配合使用，可以在吞吐量和延迟中得到最佳的平衡点。

batch.size是kafka producer发送数据的批量大小，当数据量达到batch size的时候，会将这批数据发送出去，避免了数据一条一条的发送，频繁建立和断开网络连接。但是如果数据量比较小，导致迟迟不能达到batch.size,为了保证延迟不会过大，kafka不能无限等待数据量达到batch.size的时候才发送。为了解决这个问题，引入了linger.ms配置项。当数据在缓存中的时间超过linger.ms时，无论缓存中数据是否达到批量大小，都会被强制发送出去

**kafka topic分区数和Flink并行度的关系**

Flink Kafka source的并行度需要和kafka topic的分区数一致。最大化利用kafka多分区topic的并行读取能力

## 5、Yarn相关调优配置 ##

*  yarn.scheduler.maximum-allocation-vcores
 *  yarn.scheduler.minimum-allocation-vcores

Flink单个Task Manager的slot数量必须结余这两个值之间

Flink的Job Manager和Task Manager内存不得超过container最大分配内存大小

*  yarn.nodemanager.resource.cpu-vcores

yarn的虚拟cpu内核数，设置为物理机CPU核心数的2-3倍。会导致CPU资源无法被充分利用，跑任务的时候CPU占用率不高。