大数据培训Flink高频面试题个人

（2）二收尾建议书组态

Flink 包括了CheckpointedFunction与CheckpointListener这样两个接外侧，CheckpointedFunction里有snapshotState法则，每次checkpoint触发继续执行法则，有时候就会将缓存数据库倒入正常里，可以认知为一个hook，这个法则之中可以构建预建议书，CheckpointListyener里有notifyCheckpointComplete法则，checkpoint启动此后的通告法则，这里可以认真一些额外的转换。例如FLinkKafkaConumerBase可用这个来启动Kafka offset的建议书，在这个法则之中可以构建建议书转换。在2PC里提到如果对应逆程例如某个checkpoint失败的话，【非议尚能里央商务区，得心应手习IT】那么checkpoint就就会回滚，不就会影响数据库精确性，那么如果在通告checkpoint成功的此后失败了，那么就就会在initalizeSate法则里启动事务的建议书，这样可以保证数据库的精确性。最主要是根据checkpoint的正常PDF来确实的。

五、Flink如何认真负荷飞行测试和管控？

我们一般遇到的负荷来自以下几个方面：

（1）激发数据库逆的平均速度如果过快，而下游的微分消费行为不过来的话，就会激发背压。背压的管控可以可用 Flink Web UI(localhost:8081) 来可视化管控，一旦报警就能知 道。一般情况下背压缺陷的激发可能是由于 sink 这个 函数调用没有最优化好，认真一下 最优化就可以了。比如如果是写入 ElasticSearch， 那么可以改成批量写入，可以调 大 ElasticSearch 队列的大小等等方式而。

（2）设为 watermark 的较大反向这个给定，如果设为的过大，可能就会造成 闪存的负荷。可以设为较大反向小一些，然后把准时成份发送到外侧转换器逆里去。晚一点更新结果。或者可用类似于 RocksDB 这样的正常后上端， RocksDB 就会开辟 www.atguigu.com 堆外存储空间，但 IO 平均速度就会很慢，需要慎重考虑。

（3）还有就是滑动窗外侧的长度如果过长，而滑动西南方很短的话，Flink 的耐用性 就会下降的很厉害。我们主要通过等待时间分片的法则，将每个成份只现金一个“重叠窗 外侧”，这样就可以减少窗外侧处置里正常的写入。

文章来源于大数据库研习新社

录用阅读：

大数据库招聘Flink高频试音题

大数据库招聘Flink自然科习新社交

大数据库招聘试音Flink八股文新社交

大数据库招聘-Flink试音知识新社交