Hi jingsong， 非常感谢，我以为这里的并行度是自动推断的， 没注意这个参数。我试试哈
| | xinghalo | | [email protected] | 签名由网易邮箱大师定制 在2020年03月23日 09:59，Jingsong Li<[email protected]> 写道： 在[1]里的“configuration:”配table.exec.resource.default-parallelism [1] https://ci.apache.org/projects/flink/flink-docs-master/dev/table/sqlClient.html#environment-files On Mon, Mar 23, 2020 at 9:48 AM 111 <[email protected]> wrote: Hi jingsong: 这里的并发是系统自动生产的，前面两张表都是通过sql-gateway，在一个session中创建出来的。所以到这里并行度都是1了... | | xinghalo | | [email protected] | 签名由网易邮箱大师定制 在2020年03月23日 09:33，Jingsong Li<[email protected]> 写道： Hi, 看起来你的Join SQL是有Key等值条件的，所以它可以做分布式的Join。 但是你的并发为1，一般来说我们分布式的计算都不会设成1，不然就是单机运算了。 就像Kurt所说， 修改你的并发： table.exec.resource.default-parallelism，比如设为50或100试试。 Best, Jingsong Lee On Sun, Mar 22, 2020 at 10:08 AM Kurt Young <[email protected]> wrote: 你的plan里除了source之外，其他所有节点都是在单并发运行，这对两张1000多万的表join来说是不够的，你可以尝试加大并发。 Best, Kurt On Sat, Mar 21, 2020 at 1:30 PM 111 <[email protected]> wrote: Hi: 看了下源代码，了解了下Hybrid hash join。大致了解了瓶颈点： Hybrid hash join，会把build表（也就是我的右表）通过hash映射成map，并按照某种规则进行分区存储（有的在内存，超过的放入磁盘）。 目前看磁盘上的那部分join应该是整个任务的瓶颈。 具体调优方法，还在探索中...也许有什么配置可以控制build表内存存储的大小. 在2020年03月21日 11:01，111<[email protected]> 写道： Hi, wu: 好的，我这边观察下gc情况。 另外，我的sql里面有关联条件的，只是第一个表1400多万条，第二张表1000多万条。 | select wte.external_user_id, wte.union_id, mr.fk_member_id as member_id from a wte left join b mr on wte.union_id = mr.relation_code where wte.ods_date = '${today}' limit 10; | 我在ui里面可以看到任务也在正常运行，只是每秒输入700条左右，每秒输出1700，所以对比总量来说十分缓慢。 目前不太清楚性能的瓶颈点和优化的方向： 1 网络传输太慢，导致两表不能及时join？这里不知道如何排查，Metrics里面有个netty的相关指标，看不出什么；其他的指标除了hashjoin in和out缓慢变化，其他的都没有什么变化。 2 并行度过低，导致单点slot需要执行两个千万级表的关联？可否动态修改或者配置probe表的并行度？ 3 JVM内存问题？详情见附件，观察内存还是很充足的，貌似垃圾回收有点频繁，是否有必要修改jvm配置？ 4 taskmanager的日志不太理解….到build phase就停住了，是日志卡主了 还是 此时正在进行build的网络传输？ | 2020-03-21 09:23:14,732 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 4 ms for 32768 segments 2020-03-21 09:23:14,738 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 4 ms for 32768 segments 2020-03-21 09:23:14,744 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 4 ms for 32768 segments 2020-03-21 09:23:14,750 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 4 ms for 32768 segments 2020-03-21 09:23:14,756 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 4 ms for 32768 segments 2020-03-21 09:23:14,762 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 4 ms for 32768 segments 2020-03-21 09:23:14,772 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 4 ms for 32768 segments 2020-03-21 09:23:14,779 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 4 ms for 32768 segments 2020-03-21 09:23:16,357 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 14 ms for 65536 segments 2020-03-21 09:23:16,453 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 10 ms for 65536 segments 2020-03-21 09:23:16,478 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 9 ms for 65536 segments 2020-03-21 09:23:16,494 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 9 ms for 65536 segments 2020-03-21 09:23:16,509 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 10 ms for 65536 segments 2020-03-21 09:23:16,522 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 9 ms for 65536 segments 2020-03-21 09:23:16,539 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 9 ms for 65536 segments 2020-03-21 09:23:16,554 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 10 ms for 65536 segments 2020-03-21 09:23:16,574 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 9 ms for 65536 segments 2020-03-21 09:23:16,598 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 9 ms for 65536 segments 2020-03-21 09:23:16,611 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 10 ms for 65536 segments 2020-03-21 09:23:20,157 INFO org.apache.flink.table.runtime.hashtable.BinaryHashBucketArea - The rehash take 213 ms for 131072 segments 2020-03-21 09:23:21,579 INFO org.apache.flink.table.runtime.operators.join.HashJoinOperator - Finish build phase. | 在2020年03月21日 10:31，Jark Wu<[email protected]> 写道： Hi, 看起来你的 join 没有等值关联条件，导致只能单并发运行。你可以观察下这个 join 节点的 gc 情况，看看是不是 full gc 导致运行缓慢。 关于 batch join，Jingsong 比我更熟悉一些调优手段，也许他能提供一些思路，cc @Jingsong Li <[email protected]> Best, Jark On Fri, 20 Mar 2020 at 17:56, 111 <[email protected]> wrote: 图片好像挂了： https://picabstract-preview-ftn.weiyun.com/ftn_pic_abs_v3/93a8ac1299f8edd31aa93d69bd591dcc5b768e2c6f2d7a32ff3ac244040b1cac3e8afffd0daf92c4703c276fa1202361?pictype=scale&from=30113&version=3.3.3.3&uin=23603357&fname=F74D73D5-810B-4AE7-888C-E65BF787E490.png&size=750 在2020年03月20日 17:52，111<[email protected]> 写道： 您好： 我有两张表数据量都是1000多万条，需要针对两张表做join。 提交任务后，发现join十分缓慢，请问有什么调优的思路？ 需要调整managed memory吗？ 目前每个TaskManager申请的总内存是2g，每个taskManager上面有4个slot。taskmanager的metrics如下： | { "id":"container_e40_1555496777286_675191_01_000107", "path":"akka.tcp://flink@hnode9:33156/user/taskmanager_0", "dataPort":39423, "timeSinceLastHeartbeat":1584697728127, "slotsNumber":4, "freeSlots":3, "hardware":{ "cpuCores":32, "physicalMemory":135355260928, "freeMemory":749731840, "managedMemory":732828804 }, "metrics":{ "heapUsed":261623760, "heapCommitted":781189120, "heapMax":781189120, "nonHeapUsed":100441328, "nonHeapCommitted":102957056, "nonHeapMax":1426063360, "directCount":5662, "directUsed":191911352, "directMax":191911350, "mappedCount":0, "mappedUsed":0, "mappedMax":0, "memorySegmentsAvailable":5582, "memorySegmentsTotal":5591, "garbageCollectors":[ { "name":"PS_Scavenge", "count":5734, "time":19767 }, { "name":"PS_MarkSweep", "count":7, "time":893 } ] } } | -- Best, Jingsong Lee -- Best, Jingsong Lee
