了解背压
什么是背压
在流式处理系统中，如果出现下游消费的速度跟不上上游生产数据的速度，就种现象就叫做背压
(backpressure，也叫反压)
背压产生的原因
下游消费的速度跟不上上游生产数据的速度，可能出现的原因如下：
- 节点有性能瓶颈，可能是该节点所在的机器有网络、磁盘等等故障，机器的网络延迟和磁盘不
足、频繁 GC、数据热点等原因。 - 数据源生产数据的速度过快，计算框架处理不及时。比如消息中间件 kafka，生产者生产数据过
快，下游 flink 消费计算不及时。 - flink 算子间并行度不同，下游算子相比上游算子过小。
背压导致的影响
首先，背压不会直接导致系统的崩盘，只是处在一个不健康的运行状态。
- 背压会导致流处理作业数据延迟的增加。
- 影响到 Checkpoint，导致失败，导致状态数据保存不了，如果上游是 kafka 数据源，在一致性
的要求下，可能会导致 offset 的提交不上。
原理: 由于 Flink 的 Checkpoint 机制需要进行 Barrier 对齐，如果此时某个 Task 出现了背压，Barrier流动的速度就会变慢，导致 Checkpoint 整体时间变长，如果背压很严重，还有可能导致 Checkpoint超时失败。 - 影响 state 的大小，还是因为 checkpoint barrier 对齐要求。导致 state 变大。
原理：接受到较快的输入管道的 barrier 后，它后面数据会被缓存起来但不处理，直到较慢的输入管道的 barrier 也到达。这些被缓存的数据会被放到 state 里面，导致 state 变大。
定位背压
- 在 web 页面发现 fink 的 checkpoint 生成超时。
- 查看 jobmanager 日志。
- 在 BackPressure 界面直接可以看到。
- Metrics 监控背压。
解决背压
Flink不需要一个特殊的机制来处理背压，因为Flink中的数据传输相当于已经提供了应对背压的机制。
所以只有从代码上与资源上去做一些调整。
- 背压部分原因可能是由于数据倾斜造成的，我们可以通过 Web UI 各个 SubTask 的 指标值来
确认。Checkpoint detail 里不同 SubTask 的 State size 也是一个分析数据倾斜的有用指标。
解决方式把数据分组的 key 预聚合来消除数据倾斜。 - 代码的执行效率问题，阻塞或者性能问题。
- TaskManager 的内存大小导致背压。