起因sparkStream作為一個微流處理框架，每批次處理數(shù)據(jù)的時間應盡可能地接近批次間隔時間，才能保證流處理的高效和穩(wěn)定。
批處理時間<<批間隔時間：流量太小，集群閑置，浪費資源，批處理時間>>批間隔時間：流量太大，集群繁忙，數(shù)據(jù)積壓導致系統(tǒng)崩潰#####通過設置spark.streaming.kafka.maxRatePerPartition可以靜態(tài)調(diào)整每次拉取的最大流量，但是需要重啟集群。
背壓機制，不需要重啟集群就能根據(jù)當前系統(tǒng)的處理速度智能地調(diào)節(jié)流量閾值的方案。
設置spark.streaming.backpressure.enabled為true開啟反壓機制后，sparkStreaming會根據(jù)上批次和本批次的處理速率，自動估算出下批次的流量閥值，我們可以通過改變幾個增益比例來調(diào)控它的自動估算模型。
它的底層采用的是Guava的令牌桶算法實現(xiàn)的限流：程序到桶里取令牌，如果取到令牌就緩存數(shù)據(jù)，取不到就阻塞等待。通過改變放令牌的速度即可實現(xiàn)流量控制。
其它方案 1. 如果增加kafka的分區(qū)數(shù)，spark也會增加相應數(shù)目的消費者去拉取，可以提升拉取效率;
2. 如果降低批次間隔時間，每次拉取的數(shù)據(jù)量會減少，可以提升處理數(shù)據(jù)的速度，差距的間隔時間可以通過窗口來彌補。
京公網(wǎng)安備 11010802030320號