Flink 1.13.0 版本增加了很多新特征,具体可以参考前面一篇文章,在 Flink 1.13.0 版本之前,我们通常是通过 UI 上面的 BackPressure 或者 Metrics 里面的 inPoolUsage ,outPoolUsage 指标去分析反压出现的位置.在 Flink 1.13.0 版本中对反压监控新增了瓶颈检测,能够帮助我们快速定位反压的位置,因为性能分析的过程中第一个问题就是,哪个操作是瓶颈?为了帮助回答这个问题，Flink 公开了有关任务繁忙（正在执行工作）和反压（具有执行工作的能力，但不能执行任务的原因，因为其后继的算子无法接收更多数据）的度量标准。瓶颈的候选者是那些繁忙的算子，他们的上游承受了压力,这篇文章主要介绍一下新版本里面如何定位反压位置.
Task performance metrics
任务(subtask)的每个并行实例都公开一组三个指标.
backPressureTimeMsPerSecond，子任务花费的时间
idleTimeMsPerSecond，子任务等待处理数据所花费的时间
busyTimeMsPerSecond，子任务忙于执行一些实际工作的时间在任何时间点，这三个指标的总和大约为1000ms。
这些指标每两秒钟更新一次，上报的值表示在最后几秒钟内子任务受到反压力（或空闲或忙碌）的平均时间。如果您的工作有不同的工作量，请记住这一点。例如，一个恒定负载为 50％ 的子任务以及另一个在完全加载和空转之间每秒切换的子任务都将具有相同的 busyTimeMsPerSecond 值：大约 500ms。
在内部，根据输出缓冲区的可用性来判断反压。如果任务没有可用的输出缓冲区，则该任务被视为反压。另一方面，空闲是由是否有可用输入来确定的。
Example
如果你打开新版本的 WEB UI 首先你会发现 DAG 图的蓝色变重了,并且每个 operator 下面多了一个 Backpressured 因为新版本增加了通过不同的颜色来表示 operator 的繁忙或空闲状态,从而更直观的展示出反压的算子,让我们一眼就能看出反压的算子.
为了让任务出现反压,我找了一个 任务,然后把 source 的并行度设置为 4,其余算子的并行度都设置为 1,并且打断了 operator chain,这样更容易观察每个算子的颜色和状态.
然后往上游 kafka 里面生产 500 万数据,因为后面算子的并行度只有 1 很快任务就出现了反压,可以发现 DAG 图中出现了好几种颜色,空闲状态为蓝色，完全反压状态为黑色，完全忙碌状态为红色。所有介于两者之间的值都用这三种颜色之间的阴影来表示。
从上图可以看出,颜色最重的是 Map 算子(倒数第二个),最后一个 window 算子显示红色,说明反压最严重的地方是 Map,所以真正出现反压的位置是 window 算子的 processfunction 方法(最后一个算子)因为 processfunction 处理数据比较慢从而导致了 map 反压,然后逐级向上反压,直到数据源 source 出现反压.这样根据 DAG 的颜色就能判断出反压的位置,不用在去看 BackPressure ,inPoolUsage ,outPoolUsage 指标,更加的简便直观.
SubTasks Back Pressure Status
对于状态为 OK 的 subtask，没有反压的迹象。另一方面，high 表示 subtask 受到反压力。状态通过以下方式定义：
OK: 0% <= back pressured <= 10%
LOW: 10% < back pressured <= 50%
HIGH: 50% < back pressured <= 100%
此外,还会显示每个 subtask 的 Backpressured / Idle / Busy 的时间百分比.
我的这个 Demo 可能还不是很明显,大家可以看一下官网的图
这张图会更明显,反压的位置是在滚动窗口和滑动窗口这两个算子上.
