Druid调优指南(二)- Broker

【翻译自https://druid.apache.org/docs/latest/operations/basic-cluster-tuning.html

Broker

Heap sizing(堆大小调整)

Broker上的堆主要使用集中在:

来自历史节点以及Tasks(一般值peons)未合并的查询

segment时间线:包括当前所有可用的segments的位置信息(哪个历史节点或者task正在提供segment查询服务)

缓存segment元数据:包括当前所有可用的segments元数据(如每个segment的schema信息)

Broker堆 基于集群中segment的数量以及segments的总数据大小进行扩展。

堆大小 将基于数据大小和使用模式有所不同,但4G到8G是中小集群(大约15台服务器或者更小)的良好起点。

对内存需求粗略估计,节点数约为100个节点的超大集群需要broker堆的大小为30G~60G

如果使Broker中的缓存生效,缓存存储在堆中,大小由 druid.cache.sizeInBytes 设置。

Direct memory sizing(直接内存大小调整)

在Broker中,所需的直接内存数量取决于配置了多少合并缓冲区(用于合并GroupBy)。Broker通常不需要处理线程或处理缓冲区,因为查询结果是在http连接线程的堆上合并的。

druid.processing.buffer.sizeBytes: 可以设置为500M

druid.processing.numThreads:设置为 1 (所允许的最小值)

druid.processing.numMergeBuffers:与历史节点设置为相同的值 或者略高一点

Note on the deprecated  chunkPeriod

Broker 不需要处理线程和处理缓冲区  有一个例外:

如果在 query context 设置了已弃用的 chunkPeriod 属性,GroupBy V1 查询将会使用处理线程和处理缓冲区。

chunkPeriod 和 GroupBy V1(代替用GroupBy V2)目前已被弃用,将来将会被移除,不推荐再使用。chunkPeriod特性的存在也解释了为什么要配置处理线程最小为1,尽管未被使用。

Connection pool sizing (连接池大小调整)

需要确保所有Brokers中 druid.broker.http.numConnections 的总和 略低于 历史节点和Tasks中设置的 druid.server.http.numThreads值。

在同一个Broker节点,druid.server.http.numThreads 应该略高于 druid.broker.http.numConnections。

使得每个历史节点可以接受50个查询和10个非查询,进而相应的调整Broker是一个合理的集群调优的开端。

Broker backpress(Broker 反向施压)

当从历史节点和Tasks提取查询结果时,Broker能够选择性的指定队列以及未读数据的最大缓冲区大小,并且在达到上限时,对历史节点和Tasks的通道施加反压力(导致在历史节点/Task端阻塞对通道的写入,直到Broker能够从通道中消耗一些数据)

缓冲区大小通过 druid.broker.http.maxQueueBytes来设置

这个大小限制被查询命中的历史节点/Tasks的数量分摊:假如设置 druid.broker.http.maxQueuedBytes 为5MB,Broke收到一个查询,该查询需要分摊到2个历史节点,每个历史节点通道将得到2.5MB的缓冲区。

通常将该值设置为 2MB * number of Historicals。

当集群规模随着历史节点和Tasks增多而扩展时,需要相应的增加缓冲区大小和Broker堆大小。

如果缓冲区太小,会因为缓冲区快速填满并拖住通道而使得查询效率低下

如果缓冲区太大,会因为http通道中有较多的排队结果数据而使得Broker有较大的内存压力

Number of brokers

Broker 与历史节点的比率设置为1:15 是一个合理的开端。

如果需要Broker HA,需要先部署2个Broker,然后用1:15的比率来添加额外的Brokers

Total memory usage

按照下面的指导估计Broker总的内存使用量:

Heap: 分配的堆大小

Direct Memory:(druid.processing.numThreads + druid.processing.numMergeBuffers + 1) * druid.processing.buffer.sizeBytes

Druid调优指南(三)- MiddleManager

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 157,198评论 4 359
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,663评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 106,985评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,673评论 0 202
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 51,994评论 3 285
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,399评论 1 211
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,717评论 2 310
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,407评论 0 194
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,112评论 1 239
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,371评论 2 241
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,891评论 1 256
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,255评论 2 250
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,881评论 3 233
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,010评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,764评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,412评论 2 269
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,299评论 2 260

推荐阅读更多精彩内容