Flink 细粒度资源管理问题之为不同的SSG配置资源如何解决

本文涉及的产品
实时计算 Flink 版,1000CU*H 3个月
简介: Flink 细粒度资源管理问题之为不同的SSG配置资源如何解决

问题一:为什么将 SlotSharingGroup 作为资源配置的粒度可以省略资源聚合逻辑?


为什么将 SlotSharingGroup 作为资源配置的粒度可以省略资源聚合逻辑?


参考回答:

将 SlotSharingGroup 作为资源配置的粒度可以省略资源聚合逻辑,是因为在这种方式下,用户直接针对整个 SSG 进行资源配置,Flink 不需要再根据内部的算子或 task 进行资源的进一步聚合。每个 SSG 的资源需求在提交给 RM 时就已经是明确的,因此可以直接进行资源的分配和调度。


关于本问题的更多问答可点击原文查看:

https://developer.aliyun.com/ask/669999



问题二:将SlotSharingGroup作为资源配置粒度的优点有哪些?


将SlotSharingGroup作为资源配置粒度的优点有哪些?


参考回答:

将SlotSharingGroup作为资源配置粒度的优点主要包括:

使用户的配置更灵活,用户可以选择配置算子的资源、task资源或子图资源。

可以较为简单地支持粗细粒度混合配置,所有配置的粒度都是slot,避免了同一个slot中配置不一致的问题。

使得用户可以利用不同算子之间的削峰填谷效应,有效减少资源偏差的影响。


关于本问题的更多问答可点击原文查看:

https://developer.aliyun.com/ask/670000



问题三:为什么FLIP-156最终选择了基于SlotSharingGroup的资源配置接口?


为什么FLIP-156最终选择了基于SlotSharingGroup的资源配置接口?


参考回答:

FLIP-156最终选择了基于SlotSharingGroup的资源配置接口,主要是因为slot是资源调度中最基本的单位,从Scheduler到RM/TM都是以slot为单位进行资源调度申请的。直接使用这个粒度进行资源配置,避免了增加系统的复杂度,并且能够充分利用slot级别的资源优化。


关于本问题的更多问答可点击原文查看:

https://developer.aliyun.com/ask/670002



问题四:在支持了细粒度资源管理配置接口后,如何为不同的SSG配置资源?


在支持了细粒度资源管理配置接口后,如何为不同的SSG配置资源?


参考回答:

在支持了细粒度资源管理配置接口后,我们可以为不同的SlotSharingGroup(SSG)配置不同的资源。这些配置会注入到JobGraph中,并在资源调度过程中被JM、RM和TM等组件识别和使用,以确保作业能够按照预期的资源需求进行调度和执行。


关于本问题的更多问答可点击原文查看:

https://developer.aliyun.com/ask/670003



问题五:静态slot申请机制存在什么问题?


静态slot申请机制存在什么问题?


参考回答:

静态slot申请机制存在的问题是,slot在TM启动时就已经固定划分好了,无法根据实际的slot请求进行动态调整。这导致即使TM有空闲资源,也无法满足不同规格的slot请求,从而限制了资源的灵活利用。


关于本问题的更多问答可点击原文查看:

https://developer.aliyun.com/ask/670005

相关文章
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
335 0
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
252 0
|
11月前
|
消息中间件 资源调度 关系型数据库
如何在Flink on YARN环境中配置Debezium CDC 3.0,以实现实时捕获数据库变更事件并将其传输到Flink进行处理
本文介绍了如何在Flink on YARN环境中配置Debezium CDC 3.0,以实现实时捕获数据库变更事件并将其传输到Flink进行处理。主要内容包括安装Debezium、配置Kafka Connect、创建Flink任务以及启动任务的具体步骤,为构建实时数据管道提供了详细指导。
542 9
|
Java Shell Maven
Flink-11 Flink Java 3分钟上手 打包Flink 提交任务至服务器执行 JobSubmit Maven打包Ja配置 maven-shade-plugin
Flink-11 Flink Java 3分钟上手 打包Flink 提交任务至服务器执行 JobSubmit Maven打包Ja配置 maven-shade-plugin
586 4
|
消息中间件 NoSQL Kafka
大数据-116 - Flink DataStream Sink 原理、概念、常见Sink类型 配置与使用 附带案例1:消费Kafka写到Redis
大数据-116 - Flink DataStream Sink 原理、概念、常见Sink类型 配置与使用 附带案例1:消费Kafka写到Redis
759 0
|
资源调度 分布式计算 大数据
大数据-111 Flink 安装部署 YARN部署模式 FlinkYARN模式申请资源、提交任务
大数据-111 Flink 安装部署 YARN部署模式 FlinkYARN模式申请资源、提交任务
379 0
|
机器学习/深度学习 资源调度 Kubernetes
Flink 1.12 资源管理新特性回顾
介绍 Flink 1.12 资源管理的一些特性,包括内存管理、资源调度、扩展资源框架。
Flink 1.12 资源管理新特性回顾
|
2月前
|
存储 分布式计算 数据处理
「48小时极速反馈」阿里云实时计算Flink广招天下英雄
阿里云实时计算Flink团队,全球领先的流计算引擎缔造者,支撑双11万亿级数据处理,推动Apache Flink技术发展。现招募Flink执行引擎、存储引擎、数据通道、平台管控及产品经理人才,地点覆盖北京、杭州、上海。技术深度参与开源核心,打造企业级实时计算解决方案,助力全球企业实现毫秒洞察。
398 0
「48小时极速反馈」阿里云实时计算Flink广招天下英雄
|
运维 数据处理 数据安全/隐私保护
阿里云实时计算Flink版测评报告
该测评报告详细介绍了阿里云实时计算Flink版在用户行为分析与标签画像中的应用实践,展示了其毫秒级的数据处理能力和高效的开发流程。报告还全面评测了该服务在稳定性、性能、开发运维及安全性方面的卓越表现,并对比自建Flink集群的优势。最后,报告评估了其成本效益,强调了其灵活扩展性和高投资回报率,适合各类实时数据处理需求。

热门文章

最新文章