Hi Dong
RocksDB无论如何都是要使用native内存的，您的YARN pmem-check相比JVM heap的buffer空间是多少，是否合适呢？
FLINK-7289的基本所需task都已经完成在release-1.10 分支中了，您可以直接使用release-1.10
分支打包，最近也要发布1.10的rc版本，欢迎试用该功能。
如果你的所有checkpoint size是50GB，其实不是很大，但是如果单个state
backend有50GB的话，对于Flink这种低延迟流式场景是稍大的，建议降低单并发state数据量。
至于目前的问题，也就是您加了相关参数，但是内存用量仍然在涨，可以用以下思路排查一下：
1. 首先，确保使用release-1.10 分支
2. 开启 size-all-mem-tables [1] 和 block-cache-usage [2]的metrics监控
3. 在默认没有enable "state.backend.rocksdb.memory.managed" [3] 的情况下，对column
family进行如下配置，核心思路就是将主要的内存使用都放在cache中，方便观察内存使用：
rocksDBStateBackend.setOptions(new OptionsFactory() {
@Override
public DBOptions createDBOptions(DBOptions currentOptions) {
return currentOptions;
}
@Override
public ColumnFamilyOptions createColumnOptions(ColumnFamilyOptions
currentOptions) {
BlockBasedTableConfig blockBasedTableConfig = new
BlockBasedTableConfig();
blockBasedTableConfig.setCacheIndexAndFilterBlocks(true);
blockBasedTableConfig.pinL0FilterAndIndexBlocksInCache();
currentOptions.setTableFormatConfig(blockBasedTableConfig);
return currentOptions;
}
});
4. 由于没有enable cache共享，所以需要将每个column
family的size-all-mem-tables和block-cache-usage进行相加，观察相关指数变化，看是否超过了你的pmem-check 限制。
相应地，您也可以启用"state.backend.rocksdb.memory.managed" [3] 该功能 或者 自行配置
"state.backend.rocksdb.memory.fixed-per-slot" [4] 设置期望的rocksDB per slot memory
size，此时只需要观察block-cache-usage的指标，由于这里使用共享cache的逻辑，所以并不需要相加，只要观察per
slot的情况即可（同一个TM内，相同subtask index的rocksDB state其实是用的同一块cache），观察内存限制功能是否生效。
[1]
https://ci.apache.org/projects/flink/flink-docs-release-1.10/ops/config.html#state-backend-rocksdb-metrics-size-all-mem-tables
[2]
https://ci.apache.org/projects/flink/flink-docs-release-1.10/ops/config.html#state-backend-rocksdb-metrics-block-cache-usage
[3]
https://ci.apache.org/projects/flink/flink-docs-release-1.10/ops/config.html#state-backend-rocksdb-memory-managed
[4]
https://ci.apache.org/projects/flink/flink-docs-release-1.10/ops/config.html#state-backend-rocksdb-memory-fixed-per-slot
祝好
唐云
________________________________
From: DONG, Weike <kyled...@connect.hku.hk>
Sent: Tuesday, January 14, 2020 10:02
To: user-zh@flink.apache.org <user-zh@flink.apache.org>
Subject: 咨询一下 RocksDB 状态后端的调优经验
大家好，
我们在 YARN 容器内运行以 RocksDB 作为 State Backend 的 Flink 作业，状态数据比较大（50G
以上，难以放到内存中）。但是由于 YARN 本身的 pmem-check 限制，经常会因为内存用量的不受控而导致整个 Container 被强制
KILL.
目前调研了 https://issues.apache.org/jira/browse/FLINK-7289 这个提议，但是目前还未完全实现。
也按照 RocksDB 官方的调优指南
https://github.com/facebook/rocksdb/wiki/RocksDB-Tuning-Guide 设置了
state.backend.rocksdb.writebuffer.size
state.backend.rocksdb.writebuffer.count
state.backend.rocksdb.block.cache-size
state.backend.rocksdb.files.open
等等参数，但是目前观察到效果并不太明显，内存用量还是会不受控地越来越多。
请问各位是否有 RocksDB 作为状态后端的调优经验，例如在内存受限的情况下，尽量确保 RocksDB 的内存用量可控在一个封顶范围呢？
另外还有一个场景，假设内存够用的情况下，有哪些增加读写性能方面的建议呢？目前尝试使用 SSD 来存放 sst 文件，但是性能提升也不明显。
感谢 ：）
