使用的是 `RocksDBStateBackend`， 是什么超用了内存， 配置了“taskmanager.memory.process.size: 4g”， 并且有预留 1G 用于jvm-overhead。 现在超了2.8G，是什么超用的，我想了解一下。 如果控制不了，很容易被资源系统（yarn、k8s等） kill 了。
有没有，其他人有这方面的经验。 Benchao Li <[email protected]> 于2020年9月23日周三 下午1:12写道： > 超yarn内存不合理。因为state如果用的是heap，那应该是堆内内存，不会超过配置的JVM的最大heap的内存的， > 只会jvm oom。超过yarn内存限制，那是因为还有jvm其他的overhead，加起来总量超了。 > > 郑斌斌 <[email protected]> 于2020年9月23日周三 下午12:29写道： > > > 我这边也是遇到同样的问题，简单的双流 interval join SQL 跑4-5天就会有发生超用内存，然后container 被YARN > > KILL 。 > > 单流跑的话，比较正常。 > > JOB的内存是4G。版本1.11.1 > > ------------------------------------------------------------------ > > 发件人：Benchao Li <[email protected]> > > 发送时间：2020年9月23日(星期三) 10:50 > > 收件人：user-zh <[email protected]> > > 主 题：Re: [flink-1.10.2] Blink SQL 超用内存严重 > > > > Hi Tianwang, > > > > 不知道你的DataStream是怎么实现的，只是从SQL的角度来看，有两个地方会导致状态的量会增加 > > > > 1. time interval join会将watermark delay之后再发送，也就是说下游的hop窗口的状态会因为上游 > > join算子延迟了watermark发送而状态比正常情况下大一些。目前watermark的延迟是 > > `Math.max(leftRelativeSize, rightRelativeSize) + > > allowedLateness`，根据你的SQL，这个值应该是6h > > 2. time interval join中为了防止频繁的遍历state，曾经做过一个优化。但是这个优化会导致那些过期数据的 > > 清理被延迟，也就是说状态清理的比正常预期要慢一点。如果用的是left outer join，甚至于会观察到 > > 数据晚于watermark的情况，也就是下游window会有观察到丢数据的情况。这个时间目前是 > > `minCleanUpInterval = (leftRelativeSize + rightRelativeSize) / > > 2;`，在你的SQL来讲，就是3h，也就是说 > > 状态会*多保存*这么久。这个我曾经建过一个issue来优化这个点[1] > > > > 希望这个可以解答你的疑惑~ > > > > [1] https://issues.apache.org/jira/browse/FLINK-18996 > > > > Tianwang Li <[email protected]> 于2020年9月22日周二 下午8:26写道： > > > > > 使用 Blink SQL 实现 interval join + hop window 超用内存比较严重。 > > > > > > > > > 【join】 > > > > > > > SELECT `b`.`rowtime`, > > > > `a`.`c_id`, > > > > `b`.`openid` > > > > FROM `test_table_a` AS `a` > > > > INNER JOIN `test_table_b` AS `b` ON `a`.`RoomID` = `b`.`RoomID` > > > > AND `a`.`openid` = `b`.`openid` > > > > AND `b`.`rowtime` BETWEEN ASYMMETRIC `a`.`rowtime` - INTERVAL '0' > > SECOND > > > > AND `a`.`rowtime` + INTERVAL '6' HOUR > > > > > > > > > > > 【window】 > > > > > > > SELECT HOP_ROWTIME(`rowtime`, INTERVAL '5' MINUTE, INTERVAL '6' HOUR) > > AS > > > > `rowtime`, > > > > HOP_START(`rowtime`, INTERVAL '5' MINUTE, INTERVAL '6' HOUR) AS > > > > `__windoow_start__`, > > > > HOP_END(`rowtime`, INTERVAL '5' MINUTE, INTERVAL '6' HOUR) AS > > > > `__window_end__`, > > > > `c_id`, > > > > COUNT(`openid`) AS `cnt` > > > > FROM `test_table_in_6h` > > > > GROUP BY HOP(`rowtime`, INTERVAL '5' MINUTE, INTERVAL '6' HOUR), > > > > `c_id` > > > > > > > > > > > > > 我配置了Fink的内存是4G， 实际使用达到了6.8 G。 > > > 同样的逻辑，我使用Stream API实现，使用的内存只有4.5G左右 > > > > > > 【配置】 > > > > > > > cat conf/flink-conf.yaml > > > > jobmanager.rpc.address: flink-jobmanager > > > > taskmanager.numberOfTaskSlots: 1 > > > > blob.server.port: 6124 > > > > jobmanager.rpc.port: 6123 > > > > taskmanager.rpc.port: 6122 > > > > jobmanager.heap.size: 6144m > > > > taskmanager.memory.process.size: 4g > > > > taskmanager.memory.jvm-overhead.min: 1024m > > > > taskmanager.memory.jvm-overhead.max: 2048m > > > > taskmanager.debug.memory.log-interval: 10000 > > > > env.java.opts: "-Xloggc:/opt/flink/log/gc.log > > > > -XX:+PrintGCApplicationStoppedTime -XX:+PrintGCDetails > > > > -XX:+PrintGCDateStamps -XX:+UseGCLogFileRotation > > > -XX:NumberOfGCLogFiles=10 > > > > -XX:GCLogFileSize=10M -XX:+PrintPromotionFailure -XX:+PrintGCCause" > > > > > > > > > > > > > > > > -- > > > ************************************** > > > tivanli > > > ************************************** > > > > > > > > > -- > > > > Best, > > Benchao Li > > > > > > -- > > Best, > Benchao Li > -- ************************************** tivanli **************************************
