flink1.12内存和提交参数
在使用yarn cluster模式提交flink的任务时候，往往会涉及到很多内存参数的配置
例如下面的提交命令：
flink run -d -m yarn-cluster -yjm 512 -ytm 5028 -yD jobmanager.memory.off-heap.size=64m -yD jobmanager.memory.jvm-metaspace.size=128m -yD jobmanager.memory.jvm-overhead.min=64m -yD taskmanager.memory.jvm-metaspace.size=128m -yD taskmanager.memory.jvm-overhead.max=192m -yD taskmanager.memory.network.max=128m -yD taskmanager.memory.managed.size=64m -c com.xxx.xxx ./xxx.jar
我们需要知道Jobmanager和Taskmanager对应的内存模型，来分配相应的内存，让内存利用率最大化。
JobManager内存模型：
参数设置：
- jobmanager.memory.process.size：对应到图中的 Total Process Memory 。对应到 -yjm。
jobmanager.memory.flink.size：对应到图中的Total Flink Memory，作业管理器的总Flink内存大小。这包括JobManager消耗的所有内存，除了JVM元空间和JVM开销，它由JVM堆内存和堆外内存组成。
- jobmanager.memory.heap.size ：对应到图中的JVM Head：JobManager的JVM堆内存大小。
jobmanager.memory.off-heap.size：默认值：128mb，对应到图中的Off-Heap Memory。JobManager的堆外内存。
jobmanager.memory.jvm-metaspace.size：默认值：256mb ，对应到图中的JVM Metaspace。JobManager JVM 进程的 Metaspace。
JVM Overhead，是用于其他 JVM 开销的本地内存，例如栈空间、垃圾回收空间等，JVM开销的大小是为了弥补总进程内存中配置的部分。
jobmanager.memory.jvm-overhead.fraction：默认值 0.1（Total Process Memory的0.1）。
- jobmanager.memory.jvm-overhead.min：默认值192mb
jobmanager.memory.jvm-overhead.max：默认值1gb
- 按照比例算，如果内存大小小于或大于配置的最小或最大大小，则将使用最小或最大大小。可以通过将最小和最大大小设置为相同的值，可以显式指定JVM开销的确切大小。
那么如果设置了 -yjm 1024 ，JobManager的JVM的堆内存大小是多少呢？
首先，在没有显示的设置其它内存的情况下，所有的内存组成部分都用默认值
- JVM Metaspace：256mb
- JVM Overhead：1024 * 0.1 = 102.4 由于102.4 < 192 所以JVM Overhead的大小为192mb
- Total Flink Memory：1024 - 256 - 192 = 576
- Off-Heap Memory：128mb
- JVM Overhead：576 - 128 = 448mb
通过观察启动日志也可以发现：JVM Overhead的大小为448mb
有点时候，我们会希望运用到JVM Head的内存更多一点，那么就可以尝试着把其它的部分调低，来给到JVM Head更多的内存。
TaskManager的内存模型：
参数设置：
- taskmanager.memory.process.size：对应到图中的Total Process Memory，TaskExecutors的总进程内存大小。这包括TaskExecutor消耗的所有内存，包括总Flink内存、JVM元空间和JVM开销。对应到 -ytm。
taskmanager.memory.flink.size：对应到图中的Total Flink Memory，TaskExecutors的总Flink内存大小。它由框架堆内存、任务堆内存、任务堆外内存、托管内存和网络内存组成。
taskmanager.memory.framework.heap.size：默认值128mb，对应到图中的Framework Heap。用于 Flink 框架的 JVM 堆内存。
taskmanager.memory.task.heap.size：对应到图中的Task Heap。用于 Flink 应用的算子及用户代码的 JVM 堆内存，
- 托管内存：对应到图中的Managed Memory，流处理作业中使用 RocksDB State Backend，批处理作业中用于排序、哈希表及缓存中间结果
taskmanager.memory.managed.size
taskmanager.memory.managed.fraction ：默认0.4
如果未明确指定托管内存大小，托管内存为Flink内存总量（Total Flink Memory）的0.4。
taskmanager.memory.framework.off-heap.size：默认值128mb，对应到图中的Framework Off-Head。用于Flink框架的堆外内存。
taskmanager.memory.task.off-heap.size：默认0，对应到图中的Task Off-Head 。用于 Flink 应用的算子及用户代码的堆外内存。
网络内存（Network Memory），对应到图中的 Network ，用于任务之间数据传输的直接内存（例如网络传输缓冲）
- taskmanager.memory.network.min：默认值64mb
taskmanager.memory.network.max：默认值1gb
taskmanager.memory.network.fraction：默认值0.1（Total Flink Memory）
- 网络内存是为ShuffleEnvironment保留的堆外内存（例如，网络缓冲区）。按照比例算，如果内存大小小于/大于配置的最小/最大大小，则将使用最小/最大大小。通过将min/max设置为相同的值，可以明确指定网络内存的确切大小。
taskmanager.memory.jvm-metaspace.size：默认值256mb，对应到图中的JVM Metaspace，Flink JVM 进程的 Metaspace。
JVM 开销：对应到JVM Overhead，用于其他 JVM 开销的本地内存，例如栈空间、垃圾回收空间等。
taskmanager.memory.jvm-overhead.min：默认值192mb
taskmanager.memory.jvm-overhead.max：默认值1gb
taskmanager.memory.jvm-overhead.fraction：默认值0.1（Total Process Memory）
那么如果设置了 -ytm 1024 、Managed Memory 为100mb，TaskManager的JVM的堆内存大小是多少呢？
首先，在没有显示的设置其它内存的情况下，所有的内存组成部分都用默认值
- JVM Metaspace：256mb
- JVM Overhead：1024 * 0.1 = 102.4 由于102.4 < 192 所以JVM Overhead的大小为192mb
- Framework Heap：128mb
- Framework Off-Head:128mb
- Task Off-Head : 0
- Total Flink Memory = 1024 - 256 - 192 = 576mb
- Managed Memory = 100mb
- Network Memory = 576 * 0.1 < 64 所以Network Memory：64mb
- JVM Head：576 - 100 - 128 - 64 = 284mb
- Task Head：284 - 128 = 156mb
在启动日志中也能够看得到：
在设置内存的时候 如果托管内存（Managed Memory）用不到的话，可以设置为0，以至于能将更多的内存用于JVM Head内存上。
并行度和TaskManager的关系
- -ys 设置一个taskmanager的slot个数
- -p 设置任务的并行度
taskmanager的数量 = p / ys + 1
jobmanager的数量 = 1
消耗的container的数量 = TaskManager的数量+1，+1是因为还有JobManager这个进程。
消耗的vcore的数量 = TaskManager的数量 * solt + 1，+1理由同上
消耗的yarn内存数 = jobmanager的数量 * yjm + taskmanager的数量 * ytm
以上是 flink1.12内存和提交参数 的全部内容， 来源链接： utcz.com/z/535847.html
