flink
未读
Flink 1.12 和 1.13 的状态后端差异
Flink1.12的状态后端 MemoryStateBackend 内部数据作为对象在java堆空间中存储。checkpoint时，状态快照发送给jobmanager。 //第一个参数是配置最大使用的堆内存大小 第二个是是否启用异步快照(默认true)
new MemoryStateBackend
字节跳动 Flink 状态查询实践与优化
摘要：本文整理自字节跳动基础架构工程师，Apache Flink Contributor 马越在 Flink Forward Asia 2021 平台建设专场的演讲。主要内容包括： 背景 State Processor API 介绍 StateMeta Snapshot 机制 State as Da
Flink 1.13：State Backend 优化及生产实践分享
一、鸟瞰 Flink 1.13 state-backend 变化 1. State 访问的性能监控 首先，Flink 1.13 中引入了 State 访问的性能监控，即 latency trackig state。
flink
未读
Flink State实践总结
1、 结论 从性能和 TTL 两个维度来描述区别。 性能 · RocksDB 场景，MapState 比 ValueState 中存 Map 性能高很多。 · 生产环境强烈推荐使用 MapState，不推荐 ValueState 中存大对象 · ValueState 中存大对象很容易使 CPU 打满
flink
未读
Flink RocksDB 状态后端参数调优实践
https://segmentfault.com/a/1190000024522233 截至当前，Flink 作业的状态后端仍然只有 Memory、FileSystem 和 RocksDB 三种可选，且 RocksDB 是状态数据量较大（GB 到 TB 级别）时的唯一选择。RocksDB 的性能发挥
Flink State 最佳实践
1. State 概念回顾 我们先回顾一下到底什么是 state，流式计算的数据往往是转瞬即逝， 当然，真实业务场景不可能说所有的数据都是进来之后就走掉，没有任何东西留下来，那么留下来的东西其实就是称之为 state，中文可以翻译成状态。 在下面这个图中，我们的所有的原始数据进入用户代码之后再输出到
在 Flink 中规划 RocksDB 内存容量
Tips：从 Flink 1.10 开始，Flink 自动管理 RocksDB 的内存，详细介绍如下：https://ci.apache.org/projects/flink/flink-docs-release-1.10/ops/state/state_backends.html#memory-m
Flink Checkpoint 问题排查实用指南
在 Flink 中，状态可靠性保证由 Checkpoint 支持，当作业出现 failover 的情况下，Flink 会从最近成功的 Checkpoint 恢复。在实际情况中，我们可能会遇到 Checkpoint 失败，或者 Checkpoint 慢的情况，本文会统一聊一聊 Flink 中 Chec