一、内存模子
上图是一个 Flink 步伐历程总体的内存模子,其包含 Flink 利用内存、JVM 元空间以及 JVM 开销。
- Flink 利用了堆上内存和堆外内存;
- 框架内存利用了堆上内存和堆外内存的直接内存;
- Task 利用堆上内存和堆外内存的直接内存;
- 管理内存、JVM 元空间以及 JVM 内存开销利用了堆外内存;
- 网络内存利用了堆外内存;
概念解释:
JVM Heap:JVM 堆上内存
Framework Heap Memory:Flink 框架本身利用的内存,不计入 Slot 资源中;
Task Heap Memory:Task 执行用户代码时所利用的堆上内存;
Off-Heap Memory:JVM 堆外内存
Direct Memory:JVM 直接内存
Framework Off-Heap Memory:Flink 框架本身所利用的堆外内存,不计入 Slot 资源;
Task Off-Heap Memory:Task 执行用户代码所利用的堆外内存;
Network Memory:网络数据交换所利用的对外内存大小,如网络交换缓冲区;
Managed Memory:Flink 管理的堆外内存,用于管理排序、哈希表、缓存中心效果以及 RocksDB State Backend 的本地内存;
Flink 利用内存 = 框架堆内和堆外内存 + Task 堆内和堆外内存 + 网络内存 + 管理内存
历程内存 = Flink 利用内存 + JVM 本身利用的内存
1.1、JobManager 内存模子
源码在 JobManagerFlinkMemory.java
配置在 flink-conf.yaml 中的 jobmanager.memory.process.size:
1.2 TaskManager 内存模子
源码在 TaskExecutorFlinkMemory.java
配置在 flink-conf.yaml 中的 taskmanager.memory.flink.size:
1.3 内存分配
1.3.1、JobManager 内存分配
调用 YarnClusterDescriptor.java 中的 startAppMaster()方法:
- private ApplicationReport startAppMaster(
- Configuration configuration,
- String applicationName,
- String yarnClusterEntrypoint,
- JobGraph jobGraph,
- YarnClient yarnClient,
- YarnClientApplication yarnApplication,
- ClusterSpecification clusterSpecification) throws Exception {
- ... ...
- final JobManagerProcessSpec processSpec = JobManagerProcessUtils.processSpecFromConfigWithNewOptionToInterpretLegacyHeap(
- flinkConfiguration,
- JobManagerOptions.TOTAL_PROCESS_MEMORY);
- final ContainerLaunchContext amContainer = setupApplicationMasterContainer(
- yarnClusterEntrypoint,
- hasKrb5,
- processSpec);
- ... ...
- }
复制代码 免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!更多信息从访问主页:qidao123.com:ToB企服之家,中国第一个企服评测及商务社交产业平台。 |