一般场景作业,推荐使用默认参数,也就是 cpu-based + memory-utilization-based +job-exception-base 的组合策略;
高优先级、延迟敏感的作业,推荐不要开启 AutoPilot 的 Active 模式,而是使用 Monitoring 模式。因为这种类型的作业一旦触发 AutoPilot 的调优,就会导致作业重启,可能会影响业务效果。通过 Monitoring 模式,可以人工定时的去 review,检查是否有需要优化的配置,可以在适当的时机进行手动更新。
使用 sls 或者 datahub作业,推荐使用 source-delay-based + slot-utilization-based + memory-utilization-based + job-exception-based 策略。这样对作业并发度的调优效果会更好,整个算法的收敛速度会更快。
资料来源《实时计算 Flink 版独家实战秘籍》,下载链接:https://developer.aliyun.com/topic/download?id=1120
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
实时计算Flink版是阿里云提供的全托管Serverless Flink云服务,基于 Apache Flink 构建的企业级、高性能实时大数据处理系统。提供全托管版 Flink 集群和引擎,提高作业开发运维效率。