在默認情況下，Spark Streaming 通過receiver或者Direct方式以生產者生產數據的速率接收數據。
當 batch processing time > batch interval 的時候，也就是每個批次數據處理的時間要比 Spark Streaming 批處理間隔時間長。
越來越多的數據被接收，但是數據的處理速度沒有跟上，導致系統開始出現數據堆積，可能進一步導致 Executor 端出現 OOM 問題而出現失敗的情況。
相關推薦HOT
內部表和外部表（重點）
hive外部表是使用external關鍵字并指定一個hdfs目錄創建的表。hive內部表在創建時會在對應hive目錄下創建相應的文件夾，外部表則以指定文件夾為...詳情>>
2022-09-02 17:21:00
Flink checkpoint和savepoint區別
Checkpoint是為runtime準備的，Savepoint 是為用戶準備的。Checkpoint 機制的目標在于保證Flink作業意外崩潰重啟不影響exactly once 準確性，通...詳情>>
2022-09-02 16:59:22
Flink State？
State：指一個具體的Task/Operator的狀態。State可以被記錄，在失敗的情況下數據還可以恢復，Flink中有兩種基本類型的State： Keyed State， Op...詳情>>
2022-09-02 16:59:19
Flink反壓機制？
Flink 內部是基于producer-consumer模型來進行消息傳遞的，Flink的反壓設計也是基于這個模型。Flink 使用了高效有界的分布式阻塞隊列，就像 Jav...詳情>>
2022-09-02 16:59:16
大數據面數據：Flink Allowed Lateness & Side OutPut？
雖說水位線(Watermark)表明早于它的事件不應該再出現，但是接收到水位線以前的的消息是不可避免的，這就是所謂的遲到事件。實際上遲到事件是亂...詳情>>
2022-09-02 16:59:00
京公網安備 11010802030320號