现在从web ui上看，瓶颈主要在于group by 聚合函数之后去重这个逻辑。 而且SQL这个并行度是全局设置的，没法针对某一个特定的算子设置并行度，并行度多了之后，资源又感觉有点吃紧。
在 2023-01-31 17:45:15，"weijie guo" <guoweijieres...@gmail.com> 写道： >最好先找到导致下游处理过慢的瓶颈算子，适当扩大一下并发。如果还不行，看下jstack的情况，可能需要调整逻辑。 > >Best regards, > >Weijie > > >ssmq <374060...@qq.com.invalid> 于2023年1月31日周二 17:22写道： > >> 你可以测试不写入clickhouse是否还存在反压，如果不是因为写入瓶颈的话就从你的处理逻辑优化了 >> >> >> 发件人: lxk >> 发送时间: 2023年1月31日 15:16 >> 收件人: user-zh@flink.apache.org >> 主题: Flink SQL 如何优化以及处理反压 >> >> Flink版本：1.16.0 >> 目前在使用Flink SQL进行多流关联，并写入Clickhouse中 >> 具体代码如下： >> select \ >> header.id as id, \ >> LAST_VALUE(header.order_status), \ >> LAST_VALUE(header.customer_id), \ >> LAST_VALUE(header.shop_id), \ >> LAST_VALUE(header.parent_order_id), \ >> LAST_VALUE(header.order_at), \ >> LAST_VALUE(header.pay_at), \ >> LAST_VALUE(header.channel_id), \ >> LAST_VALUE(header.root_order_id), \ >> LAST_VALUE(header.last_updated_at), \ >> item.id as item_id, \ >> LAST_VALUE(item.order_id) as order_id, \ >> LAST_VALUE(item.row_num), \ >> LAST_VALUE(item.goods_id), \ >> LAST_VALUE(item.s_sku_code), \ >> LAST_VALUE(item.qty), \ >> LAST_VALUE(item.p_paid_sub_amt), \ >> LAST_VALUE(item.p_sp_sub_amt), \ >> LAST_VALUE(item.bom_type), \ >> LAST_VALUE(item.last_updated_at) as item_last_updated_at, \ >> LAST_VALUE(item.display_qty), \ >> LAST_VALUE(delivery.del_type), \ >> LAST_VALUE(delivery.time_slot_type), \ >> LAST_VALUE(delivery.time_slot_date), \ >> LAST_VALUE(delivery.time_slot_time_from), \ >> LAST_VALUE(delivery.time_slot_time_to), \ >> LAST_VALUE(delivery.sku_delivery_type), \ >> LAST_VALUE(delivery.last_updated_at) as del_last_updated_at, \ >> LAST_VALUE(promotion.id) as promo_id, \ >> LAST_VALUE(promotion.order_item_id), \ >> LAST_VALUE(promotion.p_promo_amt), \ >> LAST_VALUE(promotion.promotion_category), \ >> LAST_VALUE(promotion.promo_type), \ >> LAST_VALUE(promotion.promo_sub_type), \ >> LAST_VALUE(promotion.last_updated_at) as promo_last_updated_at, \ >> LAST_VALUE(promotion.promotion_cost) \ >> from \ >> item \ >> join \ >> header \ >> on item.order_id = header.id \ >> left join \ >> delivery \ >> on item.order_id = delivery.order_id \ >> left join \ >> promotion \ >> on item.id =promotion.order_item_id \ >> group by header.id,item.id >> 在Flink WEB UI 上发现程序反压很严重，而且时不时挂掉： >> https://pic.imgdb.cn/item/63d8bebbface21e9ef3c92fe.jpg >> >> 参考了京东的一篇文章 >> https://flink-learning.org.cn/article/detail/1e86b8b38faaeefd5ed7f70858aa40bc >> ，对相关参数做了调整,但是发现有些功能在Flink 1.16中已经做了相关优化了，同时加了这些参数之后对程序没有起到任何优化的作用。 >> >> conf.setString("table.exec.mini-batch.enabled", "true"); >> conf.setString("table.exec.mini-batch.allow-latency", "15 s"); >> conf.setString("table.exec.mini-batch.size", "5000"); >> conf.setString("table.exec.state.ttl", "86400 s"); >> conf.setString("table.exec.disabled-operators", "NestedLoopJoin"); >> conf.setString("table.optimizer.join.broadcast-threshold", "-1"); >> conf.setString("table.optimizer.multiple-input-enabled", "true"); >> conf.setString("table.exec.shuffle-mode", "POINTWISE_EDGES_PIPELINED"); >> conf.setString("taskmanager.network.sort-shuffle.min-parallelism", "8"); >> 想请教下，针对Flink SQL如何处理反压，同时有什么其他的优化手段？ >> >> >> >>
