本文主要是介绍我出题,你来算。根据Flink TaskManager内存模型,各部分内存分配?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
点击上方蓝色字体,选择“设为星标”
回复"面试"获取更多惊喜
大数据面试提升私教训练营
Hi,我是王知无,一个大数据领域的原创作者。
放心关注我,获取更多行业的一手消息。
先上一张官方给出的Flink(1.10版本以后)内存模型图示:
然后再贴一张现在正在运行的flink任务与TaskManager内存有关的参数信息:
现在开始看图说话:
从启动参数配置上,我们可以看到最大堆内存和初始堆内存都在1.5GB,DirectMemory的大小约为471M,Flink的Task就运行在一个TaskManager的JVM进程中,接下来分析该进程的内部结构。
Total Process Memory
TaskManage的内存分为5大部分:堆内存,堆外内存,直接内存,MetaSpace内存以及JVM Overhead内存。这5部分的总和就是总的Total Process Memory,这个值可以通过flink-conf.yml中taskmanager.memory.process.size配置,通过上面配置截图可以看出,例子中的总内存为4G。
Total Flink Memory
TaskManager进程占用的所有与Flink有关的内存(不包括JVM MetaSpace和Overhead内存),具体上上面截图所示,包含4大块:Flink框架内存(堆内/堆外),托管内存(堆外),网络缓存(堆外),任务内存(堆内/堆外)。我们可以通过taskmanager.memory.flink.size来指定flink 内存,同时flink官方建议我们不要同时配置Process Memory和Flink Memory。
# It is not recommended to set both 'taskmanager.memory.process.size' and Flink memory.
JVM Heap
JVM Heap分为两大部分,一个是Flink框架需要使用的堆内存,一个是Task运行所需的堆内存。
Framework Heap
Framework Heap是Flink框架保留的,不会用来执行Task,大小通过taskmanager.memory.framework.heap.size指定。
Task Heap
Task Heap Memory是专门用于执行Flink任务的堆内存空间,是用户代码,自定义数据结构真正占用的内存,通过参数taskmanager.memory.task.heap.size指定。
Off-Heap Memory
Managed Memory
Managed Memory是有Flink直接管理的堆外内存,用于排序,哈希表,中间结果缓存,以及RocksDB的状态后端。通过参数taskmanage.memory.managed.size指定,默认情况下不配置,通过参数taskmanager.memory.managed.fraction因子(默认0.4) * Total Flink Memory来指定大小。
Direct Memory
Framework Off-heap Memory
Flink框架的堆外内存部分,默认128M,通过taskmanager.memory.framework.off-heap.size指定,不建议修改。
Task Off-heap Memory
Flink执行task所使用的堆外内存。如果在Flink应用的代码中调用了Native的方法,需要用到off-head内存,这些内存会分配到Off-heap堆外内存中,通过参数taskmanage.memory.task.off-heap.size 指定,默认为0.
Network Memory
Flink的Task之间的shuffle,广播等操作以及与外部组件的数据传输需要用到Network Memory,该值通过以下3个参数确定:
taskmanager.memory.network.min:Network Memory最小值
taskmanager.memory.network.max:Network Memory最大值
taskmanager.memory.network.fraction:Network Memory占Total Flink Memory的比例,默认0.1,如果通过该比例值计算出的结果超出前两个MIN-MAX参数的范围,则已MIN-MAX为准。如果MIN-MAX参数使用同样的值,则表示NetWork是固定的内存大小。
JVM Metaspace Memory
从JDK 8开始,JVM把永久代去掉了。类的元数据信息放在了Metaspace Memory中。通过参数taskmanager.memory.jvm-metaspace.size指定,默认256M。
JVM Overhead Memory
为JVM预留的其他本地内存,用于线程栈、代码缓存等,通过以下三个参数配置
taskmanager.memory.jvm-overhead.min:JVM额外开销最小值,默认192M
taskmanager.memory.jvm-overhead.max:JVM额外开销最大值,默认1G
taskmanager.memory.jvm-overhead.fraction:JVM额外开销占Total Process Memory的比例,默认0.1。
总结
将官方提供的TaskManager的内存模型结合实际案例,各部分的内存分配图示如下:
如果这个文章对你有帮助,不要忘记 「在看」 「点赞」 「收藏」 三连啊喂!
2022年全网首发|大数据专家级技能模型与学习指南(胜天半子篇)
互联网最坏的时代可能真的来了
我在B站读大学,大数据专业
我们在学习Flink的时候,到底在学习什么?
193篇文章暴揍Flink,这个合集你需要关注一下
Flink生产环境TOP难题与优化,阿里巴巴藏经阁YYDS
Flink CDC我吃定了耶稣也留不住他!| Flink CDC线上问题小盘点
我们在学习Spark的时候,到底在学习什么?
在所有Spark模块中,我愿称SparkSQL为最强!
硬刚Hive | 4万字基础调优面试小总结
数据治理方法论和实践小百科全书
标签体系下的用户画像建设小指南
4万字长文 | ClickHouse基础&实践&调优全视角解析
【面试&个人成长】2021年过半,社招和校招的经验之谈
大数据方向另一个十年开启 |《硬刚系列》第一版完结
我写过的关于成长/面试/职场进阶的文章
当我们在学习Hive的时候在学习什么?「硬刚Hive续集」
这篇关于我出题,你来算。根据Flink TaskManager内存模型,各部分内存分配?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!