本页介绍 均衡任务调度策略 的背景与原理，以及如何在运行流式作业时使用该功能。
当 Flink 流式作业中所有顶点（Vertex）的并行度不一致时，Flink 默认策略的任务部署有时会导致某些 TaskManager 分配到的任务较多，而其他 TaskManager 分配到的任务较少，从而造成任务较多的 TaskManager 资源利用率过高，成为整个作业处理的瓶颈。
如图 (a) 所示，给定一个包含两个顶点的 Flink 作业：JobVertex-A（JV-A）和 JobVertex-B（JV-B），并行度分别为 6 和 3，且两个顶点共享同一个 Slot 共享组。在默认任务调度策略下，如图 (b) 所示，各 TaskManager 上的任务分配可能出现较大差异。具体而言，任务最多的 TaskManager 可能承载 4 个任务，而任务最少的 TaskManager 可能只有 2 个任务。因此，承载 4 个任务的 TaskManager 很容易成为整个作业的性能瓶颈。
为此，Flink 提供了基于任务数量的均衡任务调度策略能力。在作业的资源视图中，它旨在使分配到每个 TaskManager 的任务数量尽可能接近，从而改善 TaskManager 之间的资源利用率偏差。
注意：并行度不一致并不意味着必须使用该策略，因为在实际场景中并不总是出现上述问题。
基于任务数量的均衡任务调度策略通过两个阶段完成任务到 TaskManager 的分配：
本节将通过两个示例来说明该策略在这两个阶段中的简化流程与原理。
以图 (c) 所示的作业为例，该作业包含 5 个 JobVertex，并行度分别为 1、4、4、2、3，且它们均属于默认 Slot 共享组。
在任务到 Slot 的分配阶段，该调度策略执行以下操作：
i 个任务直接分配到第 i 个 Slot。即，任务 JV-Bi 直接分配到 sloti，任务 JV-Ci 直接分配到 sloti。如图 (e) 所示，在基于任务数量的分配策略下，每个 Slot 中的任务数量范围（最大值与最小值之差）为 1，优于默认策略下图 (d) 中范围为 3 的情况。这确保了各 Slot 之间任务数量的更均衡分布。
如图 (f) 所示，给定一个包含两个顶点 JV-A 和 JV-B 的 Flink 作业，并行度分别为 6 和 3，且两者共享同一个 Slot 共享组。
第一阶段分配完成后的结果如图 (g) 所示：Slot0、Slot1、Slot2 各包含 2 个任务，其余 Slot 各包含 1 个任务。
随后：
一旦 Slot 资源就绪：
TaskManager，直到所有 Slot 请求分配完毕。最终分配结果如图 (i) 所示，每个 TaskManager 恰好承载 3 个任务，TaskManager 之间的任务数量差异为 0。相比之下，在默认策略下（如图 (h) 所示），TaskManager 之间的任务数量差异为 2。
因此，如果您遇到上述性能瓶颈问题，使用该负载均衡任务调度策略可以提升性能。但如果您没有遇到上述瓶颈，请不要使用该策略，否则可能导致性能下降。
您可以通过以下配置项启用均衡任务调度策略：
taskmanager.load-balance.mode: tasks注意：在故障恢复场景中，当资源被释放并处理资源请求时，资源视图的延迟更新可能导致分配结果不够均衡。此时，您可以通过适当增大
slot.request.max-interval的值来改善这一情况。例如，可以每次尝试增加50毫秒进行调整。提高该值会使 Slot 请求和可用资源视图在作业调度期间更加稳定，从而使任务能够尽可能均衡地分配。但这也会相应延长任务调度阶段的整体时长，从而增加slot.request.timeout参数超时的风险。需要强调的是，如果在充分增大该选项值后仍出现非最优任务均衡的情况，可在 FLINK-38715 中报告，报告内容应包括调度相关配置的描述和观察到的现象。
请参阅 FLIP-370 了解更多详情。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。