Flink用cdc做大表全量+增量同步时,发现内存使用是不是与表的大小有关,表数据直接缓存在内存了。这问题如何解决?不然太占内存空间了?
是否有参数可以设置?
Flink CDC 使用内存有两个原因:
维护状态
缓存数据
Flink CDC 维护的状态包括:
元数据状态,用于记录表的元信息,例如表名、字段名、字段类型等
历史状态,用于记录表历史数据,例如历史数据的更改时间、更改类型、更改前数据、更改后数据等
Flink CDC 缓存的数据包括:
当前数据,用于处理增量数据更新
历史数据,用于处理历史数据查询
Flink CDC 的内存使用与表的大小有关,主要有以下几个原因:
表的元信息和历史状态占用内存
表的数据量越大,需要缓存的数据量就越大
Flink CDC 使用的数据结构是 HashMap,HashMap 的大小和数据量成正比
要解决 Flink CDC 的内存使用问题,可以尝试以下方法:
减少表的元信息和历史状态的大小
减少表的数据量
使用其他数据结构缓存数据,例如 ConcurrentHashMap
使用 Flink CDC 的 checkpoint 功能
使用 Flink CDC 的 state backend
如果以上方法都不起作用,可以尝试联系 Flink 的社区支持寻求帮助。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
实时计算Flink版是阿里云提供的全托管Serverless Flink云服务,基于 Apache Flink 构建的企业级、高性能实时大数据处理系统。提供全托管版 Flink 集群和引擎,提高作业开发运维效率。