实时数据开发flink面试题目

最新推荐文章于 2025-06-16 16:57:03 发布

zoran_

最新推荐文章于 2025-06-16 16:57:03 发布

阅读量382

点赞数

CC 4.0 BY-SA版权

分类专栏： flink框架文章标签： flink

本文链接：https://blog.youkuaiyun.com/zoran_/article/details/124248099

本文深入探讨了Flink的TaskManager内存模型，包括Heap、Native Memory、Managed Memory和Network Memory等组成部分，以及如何避免和管理背压。同时，提到了Flink SQL的解析过程，并讨论了设计大数据平台的关键框架和组件。此外，还触及了ClickHouse的MergTree类型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、flink中taskmanager内存模型？

Task Manager的内存模型，分为5大部分：堆内存、堆外内存、直接内存、MetaSpace内存以及JVM Overhead内存。

在这里插入图片描述
如上图所示：
例如：taskmanager.memory.process.size = 4096m 那么总内存就是4GB

Heap

使用Java代码new出来的对象说占用的内存都是存放在Heap（堆）内存中，它由JVM垃圾收集器维护。
Native Memory/Off-Heap
NativeMemory或者是Off-heap是在进程地址空间内分配的内存，这部分内存不再堆内。JVM的GC是不会自动回收这个部分的内存的。
Direct Memory
Direct Memory是off-heap Big Memory的实现，能够在内存中序列化大批量的Java对象，并且不影响JVM GC性能。
Total Process Memory和Total Flink Memory。
Total Process Memory表示整个Task Manager的进程内存，所有这张图的内存加在一块就是Total Process Memory。
而Total Flink Memory表示Task Executor消耗的所有内存，也就是除了JVM Metaspace和JVM Overhead其他的加在一起就是Total Flink Memory。Task Executor是专门负责执行Flink任务的，可以执行多个任务
JVM Heap

JVM Heap中分为两大部分，一个是Flink 框架所需要使用的堆内存，还有一个是每个T