溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹“Flink實時計算大促壓測的方法是什么”，在日常操作中，相信很多人在Flink實時計算大促壓測的方法是什么問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Flink實時計算大促壓測的方法是什么”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
一、背景：
臨近雙11大促，為避免流量峰值較高，電商公司都會對系統進行壓測。一直做實時數據計算，應用是基于Flink做的，接收kafka消息，進行數據統計，包括：pv、uv、dau、單量、成交額等等。
為了保證應用在大促期間不出問題，需要進行實時計算程序進行壓測。由于統計的數據分為兩類(流量數據、訂單數據)，對這兩類數據進行不同方式的壓測。
二、壓測準備
(1)壓測時間選擇：一般選擇在凌晨，對業務影響最小
(2)集群準備：搭建主備集群，將kafka集群、Flink集群、redis集群，分別搭建兩套，在資源有充裕的情況下。（主備集群既能夠做到容災、高可用，也能在壓測過程，輕松實現壓測）
(3)如果資源有限，不能搭建主備集群，也能進行壓測，但是在災備和高可用方面就沒辦法保證了
三、壓測實踐
情況一：有主備集群的情況下(壓測比較簡單)
(1)通知下游，將查詢的數據切換另外一套集群上(不進行壓測的集群)
(2)將kafka消息位點進行調整，將消息擠壓量調整至去年大促的峰值的幾倍左右
(3)重啟Flink應用
(4)查看監控：kafka監控、Flink監控
kafka消息擠壓監控
Flink數據處理監控
情況二：沒有主備集群的情況下(由于沒有主備集群，壓測可能會對下游統計數據存在影響，需要通知下游)
1.流量數據壓測(由于數據量較大不好做冪等處理，對下游影響較大)
(1)通知下游，將壓測安排在凌晨進行
(2)停止Flink應用，造成消息擠壓，達到擠壓數量
(3)啟動Flink應用，開始消費，查看各項監控指標
注：沒有采用回置kafka消息位點，而是進行憋數，只造成短時間下游數據指標短時間不可用，整體影響不大
2.訂單數據壓測
沒有冪等處理，同樣可以采用流量的方法進行壓測
有冪等處理
(1)通知下游，進行壓測
(2)回置kafka消息位點
(3)重啟Flink應用，開始消費，查看各項監控指標
注：由于冪等處理，回置位點，不會對下游統計數據造成影響
到此，關于“Flink實時計算大促壓測的方法是什么”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
