Flink 内存模型各部分大小计算公式

原创

已于 2025-07-09 11:05:23 修改 · 902 阅读

22 ·

CC 4.0 BY-SA版权

文章标签：

#flink #大数据

于 2025-02-10 18:02:16 首次发布

Flink 的运行平台

如果 Flink 是运行在 yarn 或者 standalone 模式的话，其实都是运行在 JVM 的基础上的，所以首先 Flink 组件运行所需要给 JVM 本身要耗费的内存大小。无论是 JobManager 或者 TaskManager ，他们 JVM 内存的大小都是一样的，都是由 JVM metaspace 和 JVM overhead 组成的。metaspace 元空间的部分，保存 JVM 中 class 类等区域，然后 JVM overhead 是本地内存、垃圾回收等。

在 yarn 环境下，启动的启动程序为 YarnTaskExecutorRunner 入口类型。一个例子为


bigdata  30032 29862  2  2024 ?        3-07:08:13 /usr/bin/java 
-Xmx1664299798 
-Xms1664299798 
-XX:MaxDirectMemorySize=493921243 
-XX:MaxMetaspaceSize=268435456 
-Dlog.file=/path/to/container_e09_xx/taskmanager.log 
-Dlog4j.configuration=file:./log4j.properties 
-Dlog4j.configurationFile=file:./log4j.properties org.apache.flink.yarn.YarnTaskExecutorRunner 
-D taskmanager.memory.network.min=359703515b 
-D taskmanager.cpu.cores=2.0 
-D taskmanager.memory.task.off-heap.size=0b 
-D taskmanager.memory.jvm-metaspace.size=268435456b 
-D external-resources=none 
-D taskmanager.memory.jvm-overhead.min=429496736b 
-D taskmanager.memory.framework.off-heap.size=134217728b 
-D taskmanager.memory.network.max=359703515b 
-D taskmanager.memory.framework.heap.size=134217728b 
-D taskmanager.memory.managed.size=1438814063b 
-D taskmanager.memory.task.heap.size=1530082070b 
-D taskmanager.numberOfTaskSlots=2 
-D taskmanager.memory.jvm-overhead.max=429496736b 
--configDir . 
-Dblob.server.port=10751 
-Djobmanager.rpc.address=hadoop0010 
-Djobmanager.memory.jvm-overhead.min=429496736b 
-Dtaskmanager.resource-id=container_e09_1727170467339_0012_01_000004 
-Dweb.port=0 
-Djobmanager.memory.off-heap.size=134217728b 
-Dweb.tmpdir=/tmp/flink-web-ae106a66-21e0-410e-8c8a-2ea943474c5a 
-Dinternal.taskmanager.resource-id.metadata=hadoop0005:30445 
-Djobmanager.rpc.port=18745 
-Drest.bind-address=hadoop0010 
-Drest.address=hadoop0010 
-Djobmanager.memory.jvm-metaspace.size=268435456b 
-Djobmanager.memory.heap.size=3462817376b 
-Djobmanager.memory.jvm-overhead.max=429496736b

JobManager 的入口类是 YarnJobClusterEntrypoint ，一个例子是：

bigdata  12455 12391  0  2024 ?        06:56:25 /usr/bin/java 
-Xmx3462817376 -Xms3462817376 
-XX:MaxMetaspaceSize=268435456 
-Dlog.file=/path/to/application_xxx/container_xxx/jobmanager.log 
-Dlog4j.configuration=file:log4j.properties 
-Dlog4j.configurationFile=file:log4j.properties org.apache.flink.yarn.entrypoint.YarnJobClusterEntrypoint 
-D jobmanager.memory.off-heap.size=134217728b 
-D jobmanager.memory.jvm-overhead.min=429496736b 
-D jobmanager.memory.jvm-metaspace.size=268435456b 
-D jobmanager.memory.heap.size=3462817376b 
-D jobmanager.memory.jvm-overhead.max=429496736b

相关的配置参数是：

-yjm 设置 JobManager 的大小。
-ytm 设置 TaskManager 的大小。
jobmanager.memory.process.size 和 taskmanager.memory.process.size 对应这 -yjm 和 -ytm 的大小。
jobmanager.memory.jvm-overhead.fraction ,这个是设置 JVM overhead 的比例。
taskmanager.memory.network.fraction ，network 部分的内存大小占比
taskmanager.memory.managed.fraction, managed 占的比例大小。

上图是官方 TaskManager 的内存模型。下面按照配置来计算一下各部分的内存大小，看看是否和 YarnTaskExecutorRunner 启动命令中对应的内存大小相同。需要指出的是的使用资源平台是 yarn ， -ytm 为 4 gb

先计算，JVM overhead = Math.max( taskmanager.memory.process.size0.1 , 192M), math.max( 41024 *0.1 , 192M) = 409.6 约等于 410 M

MVM metaspace 固定值 256

Network = （Taskmanager.memory.process.size - JVM metaspace - JVM overhead）0.1,（41024 - 256- 410 ）*0.1= 343M

Framework off-heap 128M 固定支出。

Managed Memory =( taskmanager.memory.process.size - JVM metaspace - JVM overhead)0.4 , 还需要四舍五入，（41024 - 256- 410）*0.4 / 1024 = 13.4G

TaskHeap = taskmanager.memory.process.size - JVM metaspace - JVM Overhead - Network - Framewokr off-heap - Managed memory - Framework heap = (41024 - 256 - 410 - 343 - 128 - 1.341024 - 128)/1024 = 1.42 G

YarnTaskExecutorRunner 的启动命令中，-Xmx1664299798 -Xms1664299798 两个参数设置的是 heap memory 的大小， 1664299798/1024/1024/1024 = 1.55 G ，task heap + framework heap = 1.42G + 128M = 1.42 + 0.125 = 1.55G

-XX:MaxDirectMemorySize=493921243 代表了 framework off-heap + task off-heap + network off-heap = 128M + 343M = 0.46G , 493921243/1024/1024/1024 = 0.46 G 。
-XX:MaxMetaspaceSize=268435456 268435456/1024/1024 = 256 M

-D taskmanager.memory.network.min=359703515b 这个是 network 的最小值。
-D taskmanager.cpu.cores=2.0 设置 taskmanager core 的数量
-D taskmanager.memory.task.off-heap.size=0b ，这个和结果是一致的 task off-head 就是 0 。
-D taskmanager.memory.jvm-metaspace.size=268435456b ，这个与 -XX:MaxMetaspaceSize 的大小是一致的。
-D taskmanager.memory.jvm-overhead.min=429496736b ，这个 overhead 的最小值。
-D taskmanager.memory.framework.off-heap.size=134217728b ，这个是 fremework off-heap 的 128 M ，这个是固定大小。
-D taskmanager.memory.network.max=359703515b 这个是 network off-heap 的最大值
-D taskmanager.memory.framework.heap.size=134217728b 固定大小，128 M
-D taskmanager.memory.managed.size=1438814063b ，managed memory 的大小，计算得来的大小是 13.4G ，正好是 1438814063/1024/1024/1024 的大小。
-D taskmanager.memory.task.heap.size=1530082070b
-D taskmanager.numberOfTaskSlots=2 ，这个是每个 taskmanager slot 的个数。
-D taskmanager.memory.jvm-overhead.max=429496736b 这个是 overhead 的大小，它是 410 M ，正好是429496736/1024/1024/1024 的大小。

所以对于 yarn 平台来说，要想了解 TM 和 JM 各部分内存的大小，只需要知道下面的参数的大小即可。

-yjm
-yjm
jobmanager.memory.jvm-overhead.fraction ,这个是设置 JVM overhead 的比例。
taskmanager.memory.network.fraction ，network 部分的内存大小占比
taskmanager.memory.managed.fraction, managed 占的比例大小。

JVM 中各个内存单元的计算公式位于源码的 JobManagerProessUtils ，当然了要设置 -yjm 才行 , -yjm 这个选项对应这 jobmanager.memory.process.size ，只有使用了他上面的公式才会生效。为了更好的理解内存的计算，先看一下内存的选项：


    public static JobManagerProcessSpec processSpecFromConfigWithNewOptionToInterpretLegacyHeap(
            Configuration config, ConfigOption<MemorySize> newOptionToInterpretLegacyHeap) {
   
   
        try {
   
   
            return processSpecFromConfig(
                    getConfigurationWithLegacyHeapSizeMappedToNewConfigOption(
                            config, newOptionToInterpretLegacyHeap));
        } catch (IllegalConfigurationException e) {
   
   
            throw new IllegalConfigurationException(
                    "JobManager memory configuration failed: " + e.getMessage(), e);
        }
    }

getConfigurationWithLegacyHeapSizeMappedToNewConfigOption 方法是检查是否使用新的内存选项，即 jobmanager.memory.process.size ，我们是使用了，如果没有使用，则会什么样的结果呢？


    static Configuration getConfigurationWithLegacyHeapSizeMappedToNewConfigOption(
            Configuration configuration, ConfigOption<MemorySize> configOption) {
   
   
        return LEGACY_MEMORY_UTILS.getConfWithLegacyHeapSizeMappedToNewConfigOption(
                configuration, configOption);
    }
// LEGACY_MEMORY_UT