YTM32的片内flash应用答疑 - 释疑efm_sts[accerr]寄存器位

YTM32的片内flash应用答疑 - 释疑efm_sts[accerr]寄存器位

Introduction

之前有客户在基于ytm32b1le05微控制器做ota方案,其中在擦写片内flash模块时,需要对操作的有效性进行判定,涉及到多efm_sts[accerr]寄存器位的理解。这里对efm_sts[accerr]寄存器的功能进行详细解释。

Concept

efm_sts[accerr]寄存器位可用于告知用户efm模块目前的工作状态是否正常。通常在用户使用efm模块擦写片内flash后,用于验证擦写命令是否运行成功。若当由于操作不当导致擦写操作失败后,efm硬件将通过这个标志位反馈给用户。

在RM手册中,对efm_sts[accerr]寄存器位的描述如下:

在这里插入图片描述
在这里插入图片描述

图x EFM_STS[ACCERR]寄存器

实际上,在具体的应用场景中,当在执行efm命令的过程中(通过执行efm_cmd命令擦写片内flash)置位efm_sts[accerr]寄存器,可以排查如下要点:

  1. 执行EFM Command 没有遵循以下流程:<
<think>嗯,用户问的是关于运行一个Flink作业的命令,具体是这条:./bin/flink run -m yarn-cluster -c com.taia.fdc.flink.main.EqpBootstrap -p 4 -yqu test_01 -ynm flink_uat_online_0012 -yat flink_uat -yt conf -yjm 1024 -ytm 8196 -ys 2 -yD env.java.opts=-DflinkJobName=uat_subServe_online_0012 -yD env.java.opts=-DyarnAppName=flink_uat_online_0012 -n -d /flinkJar/fdc-flink.jar --serve_type online --topic_no 0012。 首先,我需要解析这个命令的各个参数,然后解释每个部分的作用。用户可能是在部署或调试Flink作业时遇到了问题,或者想确认自己使用的参数是否正确。他们可能是开发人员或者运维人员,对Flink有一定了解,但需要更详细的参数解释。 接下来,我要检查每个参数的正确性。例如,-yjm和-ytm是设置JobManager和TaskManager的内存,值分别是1024和8196,可能单是MB,但通常JobManager的内存可能设置得更高一些,不过具体还要看集群配置。另外,-yD env.java.opts被使用了两次,可能会有问题,因为重复设置同一个参数可能会覆盖前面的值,或者导致错误。需要提醒用户注意这一点。 参数-n可能代表不进行detach模式,但Flink的官方文档中并没有-n这个选项,可能是用户写错了,应该是-yd或者其它参数,需要确认是否正确。 然后,用户可能希望了解如何优化这个命令,或者各个参数的意义,以确保作业能够正确提交到YARN集群。需要分部分解释,从提交命令的基本结构开始,逐个参数说明,并指出可能的注意事项,比如内存配置、队列设置、应用名称等。 还需要检查是否有遗漏的参数,或者是否有推荐的最佳实践,比如设置适当的并行度(-p 4),是否合理,或者是否需要根据数据量调整。此外,Jar包路径和传递的参数(--serve_type online --topic_no 0012)是否正确,可能需要用户确认业务逻辑是否需要这些参数。 最后,总结整个命令的作用,并提醒用户检查可能的问题点,比如重复的-yD参数,-n是否正确,以及内存配置是否合理。可能还需要建议用户查阅Flink官方文档,或者进行测试运行,以确保作业正常提交。</think>以下是对该 Flink on YARN 提交命令的逐项解析与优化建议: --- ### **一、命令整体结构** ```bash ./bin/flink run -m yarn-cluster \ -c com.taia.fdc.flink.main.EqpBootstrap \ -p 4 \ -yqu test_01 \ -ynm flink_uat_online_0012 \ -yat flink_uat \ -yt conf \ -yjm 1024 \ -ytm 8196 \ -ys 2 \ -yD env.java.opts=-DflinkJobName=uat_subServe_online_0012 \ -yD env.java.opts=-DyarnAppName=flink_uat_online_0012 \ -n -d \ /flinkJar/fdc-flink.jar \ --serve_type online \ --topic_no 0012 ``` --- ### **二、关键参数详解** | **参数** | **作用说明** | **注意事项** | |---------------------|-----------------------------------------------------------------------------|-----------------------------------------------------------------------------| | `-m yarn-cluster` | 指定部署模式为 YARN 集群模式 | 必须与资源管理器匹配 | | `-c <主类全限定名>` | 指定作业入口类 | 需确保类路径在 JAR 包中正确 | | `-p 4` | 设置作业并行度为 4 | 需根据数据吞吐量调整,避免资源浪费或性能瓶颈 | | `-yqu test_01` | 指定 YARN 队列为 `test_01` | 需确认队列存在且有足够配额 | | `-ynm <名称>` | 设置 YARN 应用显示名称(便于监控) | 建议包含环境标识(如 uat/prod)和业务标识 | | `-yat <标签>` | 为 YARN 应用添加标签 `flink_uat` | 用于资源调度分组 | | `-yt conf` | 上传 `conf` 目录到 YARN 容器 | 需确认目录包含正确配置文件(如 `flink-conf.yaml`) | | `-yjm 1024` | JobManager 内存设置为 1024MB | **建议至少 2048MB**,生产环境通常 4096MB+ | | `-ytm 8196` | 单个 TaskManager 内存设置为 8196MB | 需与 YARN 节点内存匹配,建议按容器规格的 75% 分配 | | `-ys 2` | 每个 TaskManager 的 Slot 数量为 2 | Slot 数 = TaskManager 内存 / 单 Slot 内存(需通过 `taskmanager.memory` 配置) | | `-yD` 参数 | 动态配置覆盖:<br> - 设置 Flink 作业名称<br> - 设置 YARN 应用名称 | **严重问题**:`env.java.opts` 被重复定义,后者会覆盖前者,应合并为一条:<br>`-yD env.java.opts="-DflinkJobName=... -DyarnAppName=..."` | | `-n` | 禁止资源预检(跳过 YARN 资源检查) | 可能绕过资源不足告警,仅在测试环境使用 | | `-d` | 以分离模式(detached)运行作业 | 适合长期运行作业,但需通过监控系统跟踪状态 | | `--serve_type` | 自定义参数:标识服务类型为 `online` | 需确保代码中能解析此参数 | | `--topic_no 0012` | 自定义参数:指定 Kafka Topic 编号 | 需与数据源配置匹配 | --- ### **三、潜在问题与优化建议** 1. **内存配置不合理** - JobManager 1024MB 过小,易导致元数据存储不足,**建议调整至 2048MB+** - TaskManager 内存分配需明确堆内外比例,建议通过 `-ytm` 与 `taskmanager.memory.process.size` 配合使用 2. **重复的 JVM 参数定义** ```bash # 错误写法(覆盖问题): -yD env.java.opts=-DflinkJobName=... \ -yD env.java.opts=-DyarnAppName=... # 正确写法(合并参数): -yD env.java.opts="-DflinkJobName=uat_subServe_online_0012 -DyarnAppName=flink_uat_online_0012" ``` 3. **Slot 资源配置** - 当前配置:`-ytm 8196` + `-ys 2` → 每个 Slot 默认分配 4096MB - 建议通过 `taskmanager.memory.task.heap.size` 显式控制单 Slot 内存 --- ### **四、推荐改进命令** ```bash ./bin/flink run -m yarn-cluster \ -c com.taia.fdc.flink.main.EqpBootstrap \ -p 4 \ -yqu test_01 \ -ynm flink_uat_online_0012 \ -yat flink_uat \ -yt conf \ -yjm 2048 \ -ytm 8196 \ -ys 4 \ -yD env.java.opts="-DflinkJobName=uat_subServe_online_0012 -DyarnAppName=flink_uat_online_0012" \ -d \ /flinkJar/fdc-flink.jar \ --serve_type online \ --topic_no 0012 ``` --- ### **五、关键验证步骤** 1. **YARN 资源检查** ```bash yarn application -list | grep flink_uat_online_0012 ``` 2. **日志排查** ```bash yarn logs -applicationId <YARN_APP_ID> | grep "JobID" ``` 3. **监控指标** - 检查 TaskManager Slot 使用率(Flink Web UI) - 确认堆内存无频繁 GC(通过 `-XX:+PrintGCDetails` 记录) --- 通过以上配置优化,可显著提升作业稳定性和资源利用率。生产环境建议增加 `-yD` 参数配置 GC 策略与监控埋点。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值