本文主要是介绍interview_bak，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！
flink内存管理
JVM 存在的几个问题：
- Java 对象存储密度低。一个只包含 boolean 属性的对象占用了16个字节内存：对象头占了8个，boolean 属性占了1个，对齐填充占了7个。而实际上只需要一个bit（1/8字节）就够了。
- Full GC 会极大地影响性能，尤其是为了处理更大数据而开了很大内存空间的JVM来说，GC 会达到秒级甚至分钟级。
- OOM 问题影响稳定性。OutOfMemoryError是分布式计算框架经常会遇到的问题，当JVM中所有对象大小超过分配给JVM的内存大小时，就会发生OutOfMemoryError错误，导致JVM崩溃，分布式框架的健壮性和性能都会受到影响。
flink内存管理针对实时场景做了哪些优化
积极的堆外内存管理，因为流处理注重低延迟，为每一条要处理的数据在堆内存上创建对象会触发频繁的gc，导致处理停滞
- flink在堆外开辟network buffer（专门存放缓冲数据）
- 开辟managed memory，用于排序，缓存中间值
怎么定位背压
flink拓扑图，Flink的下游算子无法及时处理上游的消息时会出现反压的提示。反压提示一般有OK,LOW,HIGH三种状态。某个算子的BackPressure指标如果是HIGH，说明后面的算子存在性能问题。在任务性能调优时，对于串在一
这篇关于interview_bak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！
