結構化流運行時工作在生產、降低成本的一般的最佳實踐是什麼?

[User16752245312]

考慮一個聚合的基本結構用例流數據,執行一些基本的數據清洗轉換、合並成一個曆史聚合數據集。

[User16826994223]

我能想到的是什麼

1。把觸發器處理時間間隔,而不是多屏畫麵等等。Api的檢查點存儲增加成本,而不是dbus但對於雲計算供應商

2。如果你有多個多個流流那麼多路複用到一個,而不是不同的集群不同流。

[User16869510359]

• 總有一批之間的權衡成本和執行時間。可以發射小型集群和限製數據每批成功並運行它。然而,有一個機會流工作負載將開發積壓。所以選擇正確的集群大小是重要和大小的主要因素決定應該SLA數據可用性,而不是成本。但是如果有更多的成本優先推出小型集群會有所幫助。
• 當你在做一個聚合操作,它也可以包括狀態管理。如果是這樣的話,選擇最好的狀態存儲磁盤上也可以幫助減少不必要的成本擴張。
• 作為@Kunal Gaurav提到的,你可以計劃一個交互式的集群上運行多個流。但是注意,流媒體應用程序可以長時間運行,因為按需集群更便宜,在按需運行工作負載集群可以便宜。

[Soma]

這將幫助很多之前請確保我們按照以下生產

https://docs.www.eheci.com/spark/latest/structured-streaming/production.html

[lawrence009]

我第二個建議:自動加載與觸發,批處理而不是連續流用例允許的地方。此外,

• 先和小批量測試
• 有利於減少更大的工人更多的小工人
• 調整你的工作集群加班,通過觀察火花UI和集群指標看步驟可以優化和計算資源減少