hi，xintong， 我是 zhisheng，留意到你在回答 Flink 1.10 中到内存分配的问题，刚好我也继续问一个我的疑问。因为我在 YadongXie <https://cwiki.apache.org/confluence/display/~vthinkxie> 发起的 FLIP-102 中关于 TaskManager UI 内存分配的展示，Non-heap 主要是由 MetaSpace 和 Overhead 组成的，如下图所示：
http://zhisheng-blog.oss-cn-hangzhou.aliyuncs.com/2020-03-09-152736.png 在 FLIP-49 中看到 MetaSpace 和 Overhead 的默认配置和 fraction，看得出其实这两者加起来的值应该不会很大。 http://zhisheng-blog.oss-cn-hangzhou.aliyuncs.com/2020-03-09-153057.png 另外还从 FLIP-49 memory calculations 看到了内存的计算方式如下图所示， http://zhisheng-blog.oss-cn-hangzhou.aliyuncs.com/2020-03-09-153618.png 从上面这个图中的分配值加起来看，数值应该也不会很大，但是我自己本地 Mac 电脑起了一个 standalone 的 Flink，Non-Heap 占的比例很大，截图如下： http://zhisheng-blog.oss-cn-hangzhou.aliyuncs.com/2020-03-09-154154.png 从上面的截图中可以发现 Non-heap Max 是 1.33 GB，而整个 Heap 是 1.83 GB。说到这个 Heap 这么大，我的问题又来了，flink-conf.yaml 中 taskmanager.memory.process.size: 1568m 这个参数我没改动，了解到这个参数是表示 Total Process memory，应该该值已经是最大的内存值了，其他的加起来应该不会再超过这个值了。 种种疑问🤔️加起来就比较郁闷了，下面我总结下我的疑问，还望辛童可以有空的时候可以答疑一下，感谢🙏。 总结下我的问题： 1、Non-Heap 那个 UI 上展示的是否是 MetaSpace 和 Overhead 加起来的值？ 2、为什么本地起的 Standalone Flink，为啥 UI 上展示的 Heap 会超过设置的 taskmanager.memory.process.size 的值？ 3、默认 Flink 自身的配置下，启动 Flink 1.9 和 1.10，运行相同的作业他们性能之间的差距大概是什么样的？如果上生产是否可以使用默认的内存配置？会不会堆内存有点小了？这个我说下我自己简单测试了下 Flink 1.9 和 1.10 下运行同一个有状态的作业，他们的 GC 情况差别还挺大的。1.10 Young GC 次数差不多是 1.9 的两倍。 Xintong Song <tonysong...@gmail.com> 于2020年3月9日周一 下午6:39写道： > > > > 图1中的Direct类型里面所包含的framework offheap、task offheap以及shuffle就是您讲的“不在 JVM > > 堆上但受到 JVM 管理的内存：Direct”么？ > > 是的 > > > > 这部分内存是可以知道其使用情况并在metrics里看到的么？ > > 应该是与metrics中的Direct是对应的（因为绝大多数情况我们没有使用Mapped Buffer），这里细节我记不太清楚了最好再确认下。 > > 另外，flink 1.10里将RocksDBStateBackend改为使用managed memory，不过网页上显示的是managed > > memory统一使用offheap内存，您的解答里说的是native内存，不知道是不是您说的“完全不受 JVM 管理的内存：Native”这个？ > > 是的 > > 不是太清楚offheap和direct以及native的关系是怎样的 > > Flink 配置项中的 task/framework offheap，是包括了 direct 和 native > 内存算在一起的，也就是说用户不需要关心具体使用的是 direct 还是 native。 > > 最后，我在官网上看managed memory和network buffers在作业启动后会有变化 > > > 能把具体的页面链接发一下吗，可能指的是1.9以前的情况，1.10是不会变化的。1.9以前的话，TM会在进程启动并初始化之后触发一次GC，然后以GC后的空闲内存作为Heap内存重新算一遍managed、network内存应该多大。 > > Thank you~ > > Xintong Song > > > > On Mon, Mar 9, 2020 at 3:23 PM pkuvisdudu <zjkingdom2...@163.com> wrote: > > > 非常详细的解答，非常感谢～～ > > > > 还有一些小疑问。图1中的Direct类型里面所包含的framework offheap、task offheap以及shuffle就是您讲的“不在 > > JVM 堆上但受到 JVM 管理的内存：Direct”么？这部分内存是可以知道其使用情况并在metrics里看到的么？ > > > > 另外，flink 1.10里将RocksDBStateBackend改为使用managed memory，不过网页上显示的是managed > > memory统一使用offheap内存，您的解答里说的是native内存，不知道是不是您说的“完全不受 JVM > > 管理的内存：Native”这个？不是太清楚offheap和direct以及native的关系是怎样的 > > > > 最后，我在官网上看managed memory和network > > buffers在作业启动后会有变化，但我一直看不懂是咋变化的😂，不知道这里能否解答一下 > > > > 再次感谢详细的解答～～ > > > > > > > > > > | | > > 张江 > > | > > | > > 邮箱：zjkingdom2...@163.com > > | > > > > 签名由 网易邮箱大师 定制 > > > > 在2020年03月09日 11:22，Xintong Song 写道： > > Hi, > > > > > > 关于你的几个问题： > > > > > > 1. 关于 JVM 的内存，堆内存（Heap Memory）的定义通常是比较清晰的，但堆外/非堆内存（Off-Heap/Non-Heap > > Memory）的定义却有很多不同的版本，这应该是导致你困惑的主要原因。让我们先抛开这些名词，本质上 Java 应用使用的内存（不包括 JVM > > 自身的开销）可以分为三类： > > JVM 堆内存：Heap > > 不在 JVM 堆上但受到 JVM 管理的内存：Direct > > 完全不受 JVM 管理的内存：Native > > Direct 内存是直接映射到 JVM 虚拟机外部的内存空间，但是其用量又受到 JVM 的管理和限制，从这个角度来讲，认为它是 JVM 内存或者非 > > JVM 内存都是讲得通的。 > > > > > > 关于 Off-Heap/Non-Heap，广义上讲只要不是 Heap 内存就可以称为 Non-Heap，但是我们经过实验发现 MXBean 的 > > Non-Heap 是不包括 Direct，而是由 Code Cache、Metaspace、Compressed Class Space > > 几个部分组成。FLIP-102 讨论的是 metrics 如何在 WebUI 上展示，Flink metrics 是通过 MXBean > > 获取的，因此图一展示的 Non-Heap 是与 MXBean 的 Non-Heap 定义的。 > > > > > > 2. Heap/Non-Heap 前面已经介绍过，而 Direct/Mapped 则同样是通过 MXBean 统计两个 Buffer Pool > > 的情况。这里的 Direct 指的是 Direct Buffer Pool 而不是 Direct Memory，这两个 Buffer Pool > 都是受 > > -XX:MaxDirectMemorySize 控制的，可以认为都是 Direct Memory 的一部分。 > > > > > > 这几个 metrics 加在一起不是 TM 的总内存，一方面是因为 Native 内存没有被算进去（也就是 Cut-off 的主要部分），因为 > > Native 是不受 JVM 管理的，MXBean 完全不知道它的使用情况。另一方面，JVM > 自身的开销也并不是都被覆盖到了，比如对于栈空间，JVM > > 只能限制每个线程的栈空间有多大，但是不能限制线程的数量，因此总的栈空间大小也是不受控制的，也没有通过 Metric 来体现。 > > > > > > 总的来说，JVM 的内存机制是非常复杂的，且并不是每一个部分都能够由用户参数控制的。Flink 1.10 > > 简化了内存模型，目的是让用户不需要去关心这其中的细节，只关注 Flink 各功能模块所需的相关内存大小即可。而目前在 1.10 中的 metric > > 是比较缺失的无法完全描述 Flink 的内存使用情况，社区提出 FLIP-102 梳理 metrics 及 UI > > 展示也正是为了解决这个问题。但即便如此，受 JVM 内存机制本身的限制，恐怕也很难做到每个部分都完全匹配到对应的 metrics 上。 > > > > > > 3. 这个应该是存在 state 里的，具体用哪种类型的内存取决于你的 State Backend > > 类型。MemoryStateBackend/FsStateBackend 用的是 Heap 内存，RocksDBStateBackend 用的是 > > Native 内存，也就是 1.10 中的 Manage Memory。 > > > > > > > > Thank you~ > > > > Xintong Song > > > > > > > > > > > > On Sun, Mar 8, 2020 at 4:49 PM pkuvisdudu <zjkingdom2...@163.com> wrote: > > > > Hi all, > > > > > > 我是Flink新人，最近在看一些flink资源管理机制的知识，有3个内存类型方面的问题想请教大家： > > > > > > 1. > > > Flink的内存类型如下图1所示，其中Heap内存和NonHeap内存由JVM管理，我想问一下Direct内存是否也是由JVM管理？因为我同时也看到过图2所示的内存类型，上面标示的是JVM > > Direct，但在FLIP102里看到的是属于Outside JVM，所以现在有点困惑。另外，我从相关页面上只看到了Network > buffers, > > Managed memory, Heap的计算方法，但不知道按照图1所示的内存类型，Direct内存和NonHeap是怎么计算分配的？ > > 图1 > > 图2 > > 2. Flink metrics里展示的内存方面的信息以Status.JVM.Memory为前缀，包含Heap, NonHeap, Direct, > > > Mapped四种。我测试过，这四种内存Used之和应该并不是TM真正所使用的总内存。那么TM使用的总内存还包括哪些，是在哪里用到的？（不知道是不是cut-off那部分使用的内存？）Flink > > 1.10似乎对内存进行了更细致的划分和分配，但在metrics里展示的内配置和使用信息还是跟1.9一样的么？ > > 3. Window相关的算子会将窗口内的数据作为状态保存在内存里，等待窗口触发再进行计算。想问一下这里的状态是存在哪种类型的内存里面？ > > > > > > 祝好， > > > > > > > > > > >
