You are viewing a plain text version of this content. The canonical link for it is here.
Posted to user-zh@flink.apache.org by 范超 <fa...@mgtv.com> on 2020/09/24 02:47:48 UTC
答复: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
谢谢Benchao哥回复。
这几天一直忙着压测这个问题。
经多轮压测（先灌满kafka数据），再去消费。
发现确实是您说的问题中的第三个情况
由于kafka的topic只开了一个partition
所以flinkkafkaconsumer按照一个taskmanger对应了一个kafka的parition的方式进行了处理。从而导致虽然作业并发度够大，但是由于只有一个partition，
其他并发的taskmanager无法获取到更多的partition进行消费，从而导致并行度提升而作业消费能力却无法同比增大。
之后通过建立2个partition的topic，实现了消费能力的翻倍。
想再请多问您一句，我如果想压出作业的极限吞吐量，请问该如何设置一些运行参数，目前我通过设置on yarn 的tm的内存大小，kafka的partition数目，也无法将作业的吞吐量压上去。
-----邮件原件-----
发件人: Benchao Li [mailto:libenchao@apache.org]
发送时间: 2020年9月18日 星期五 18:49
收件人: user-zh <us...@flink.apache.org>
主题: Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
提交两个作业的话，两个作业是完全独立的，都会消费全量数据。
一个作业的消费能力不行，可以具体看下瓶颈在哪里，比如：
1. 作业是否有lag，如果没有lag，那其实是没有问题的
2. 如果作业有lag，而且lag还在上涨，说明当前消费能力不足，此时可以看下作业具体的瓶颈在哪里
有可能是某个算子在反压导致整个作业的消费能力不足
也有可能是作业的整体CPU资源不足导致的
也有一种极端情况是，作业的并发度已经足够大，source subtask已经对应一个kafka
partition了，但是消费能力还是不足，这个时候其实是单个partition数据量太大，对应到Flink的source算子处理能力不足导致的
3. 如果作业当前有lag，但是lag在下降，说明消费能力其实是够的，只是数据有些积压
范超 <fa...@mgtv.com> 于2020年9月18日周五 下午4:07写道：
> 各位好，我遇到了一个奇怪的问题
>
> 我是使用flink1.10和 flink-connector-kafka_2.11
>
> 使用Flink on yarn 模式运行，无论怎么调大并行度。Kafka节点（我使用的单节点）的网卡输出速度一直上不去。
>
> 但是提交两个同样的应用同样使用FLink on Yarm模式，Kafka节点的网卡输出速度是正常翻倍的。
>
> 我想达到的目的不是通过多向yarn集群提交多一个app，而是通过设置并行度来提高应用的吞吐量。。
>
> 求各位大佬指导
>
--
Best,
Benchao Li
答复: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
Posted by 范超 <fa...@mgtv.com>.
多谢一旦哥，我大概摸清楚了这几个关系，
目前使用kafka-consumer-perf-test.sh对单broker单分区的kafka压测在8核16G的情况下是30W/s每秒的消费能力。
SINK端的写入大概是20W/s
ON YARN的Per JOB模式下通过调整分区和并行度来进行扩容。
接下来的方向按照两位大佬所说应该是对应用的jvm调优来处理了。
感谢一旦哥和benchao哥
-----邮件原件-----
发件人: 赵一旦 [mailto:hinobleyd@gmail.com]
发送时间: 2020年9月25日 星期五 14:57
收件人: user-zh@flink.apache.org
主题: Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
单分区情况下30MB，这和flink已经没关系了貌似。能否更高的消费，首先还得确认你是否由足够快的速度写入压测数据。
而kafka不论是写入还是消费都和分区数量有关系。所以压测flink的最高能力，首先你得压测kafka拿到一个你预设的最高压力，否则kafka分区1个，如果qps最高达到2w。那么你基于这个单分区kafka去压测flink，flink也不可能超过1w的qps去消费，懂吧？
压测flink，那么kafka部分你就得尽可能把分区设置很大，避免是kafka的瓶颈。
范超 <fa...@mgtv.com> 于2020年9月25日周五 下午2:28写道：
> 感谢benchao哥这么快就回复了。我这边再多观察测试一下。
> 再次感谢
>
> -----邮件原件-----
> 发件人: Benchao Li [mailto:libenchao@apache.org]
> 发送时间: 2020年9月24日 星期四 16:06
> 收件人: user-zh <us...@flink.apache.org>
> 主题: Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
>
> 我们一般提升作业吞吐能力的步骤就是看作业的反压情况，
> - 如果作业完全没有反压，说明此时处理能力大于上游数据产生速度
> - 如果作业有反压，就具体看下反压的是哪个算子，存在什么瓶颈。比如网络IO、磁盘IO、CPU；
> 当然，有时候内存问题也会表现为CPU现象，比如GC比较严重
>
> 范超 <fa...@mgtv.com> 于2020年9月24日周四 上午10:48写道：
>
> > 谢谢Benchao哥回复。
> >
> > 这几天一直忙着压测这个问题。
> > 经多轮压测（先灌满kafka数据），再去消费。
> > 发现确实是您说的问题中的第三个情况
> > 由于kafka的topic只开了一个partition
> >
> >
> 所以flinkkafkaconsumer按照一个taskmanger对应了一个kafka的parition的方式进行了处理。从而导致虽然作业并发度够大，但是由于只有一个partition，
> > 其他并发的taskmanager无法获取到更多的partition进行消费，从而导致并行度提升而作业消费能力却无法同比增大。
> >
> > 之后通过建立2个partition的topic，实现了消费能力的翻倍。
> >
> >
> > 想再请多问您一句，我如果想压出作业的极限吞吐量，请问该如何设置一些运行参数，目前我通过设置on yarn
> > 的tm的内存大小，kafka的partition数目，也无法将作业的吞吐量压上去。
> >
> >
> >
> > -----邮件原件-----
> > 发件人: Benchao Li [mailto:libenchao@apache.org]
> > 发送时间: 2020年9月18日 星期五 18:49
> > 收件人: user-zh <us...@flink.apache.org>
> > 主题: Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
> >
> > 提交两个作业的话，两个作业是完全独立的，都会消费全量数据。
> >
> > 一个作业的消费能力不行，可以具体看下瓶颈在哪里，比如：
> > 1. 作业是否有lag，如果没有lag，那其实是没有问题的
> > 2. 如果作业有lag，而且lag还在上涨，说明当前消费能力不足，此时可以看下作业具体的瓶颈在哪里
> > 有可能是某个算子在反压导致整个作业的消费能力不足
> > 也有可能是作业的整体CPU资源不足导致的
> > 也有一种极端情况是，作业的并发度已经足够大，source subtask已经对应一个kafka
> > partition了，但是消费能力还是不足，这个时候其实是单个partition数据量太大，对应到Flink的source算子处理能力不足导致的
> > 3. 如果作业当前有lag，但是lag在下降，说明消费能力其实是够的，只是数据有些积压
> >
> > 范超 <fa...@mgtv.com> 于2020年9月18日周五 下午4:07写道：
> >
> > > 各位好，我遇到了一个奇怪的问题
> > >
> > > 我是使用flink1.10和 flink-connector-kafka_2.11
> > >
> > > 使用Flink on yarn 模式运行，无论怎么调大并行度。Kafka节点（我使用的单节点）的网卡输出速度一直上不去。
> > >
> > > 但是提交两个同样的应用同样使用FLink on Yarm模式，Kafka节点的网卡输出速度是正常翻倍的。
> > >
> > > 我想达到的目的不是通过多向yarn集群提交多一个app，而是通过设置并行度来提高应用的吞吐量。。
> > >
> > > 求各位大佬指导
> > >
> >
> >
> > --
> >
> > Best,
> > Benchao Li
> >
>
>
> --
>
> Best,
> Benchao Li
>
Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
Posted by 赵一旦 <hi...@gmail.com>.
写错了哈。2w。
赵一旦 <hi...@gmail.com> 于2020年9月25日周五 下午2:57写道：
> 单分区情况下30MB，这和flink已经没关系了貌似。能否更高的消费，首先还得确认你是否由足够快的速度写入压测数据。
>
> 而kafka不论是写入还是消费都和分区数量有关系。所以压测flink的最高能力，首先你得压测kafka拿到一个你预设的最高压力，否则kafka分区1个，如果qps最高达到2w。那么你基于这个单分区kafka去压测flink，flink也不可能超过1w的qps去消费，懂吧？
>
> 压测flink，那么kafka部分你就得尽可能把分区设置很大，避免是kafka的瓶颈。
>
> 范超 <fa...@mgtv.com> 于2020年9月25日周五 下午2:28写道：
>
>> 感谢benchao哥这么快就回复了。我这边再多观察测试一下。
>> 再次感谢
>>
>> -----邮件原件-----
>> 发件人: Benchao Li [mailto:libenchao@apache.org]
>> 发送时间: 2020年9月24日 星期四 16:06
>> 收件人: user-zh <us...@flink.apache.org>
>> 主题: Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
>>
>> 我们一般提升作业吞吐能力的步骤就是看作业的反压情况，
>> - 如果作业完全没有反压，说明此时处理能力大于上游数据产生速度
>> - 如果作业有反压，就具体看下反压的是哪个算子，存在什么瓶颈。比如网络IO、磁盘IO、CPU；
>> 当然，有时候内存问题也会表现为CPU现象，比如GC比较严重
>>
>> 范超 <fa...@mgtv.com> 于2020年9月24日周四 上午10:48写道：
>>
>> > 谢谢Benchao哥回复。
>> >
>> > 这几天一直忙着压测这个问题。
>> > 经多轮压测（先灌满kafka数据），再去消费。
>> > 发现确实是您说的问题中的第三个情况
>> > 由于kafka的topic只开了一个partition
>> >
>> >
>> 所以flinkkafkaconsumer按照一个taskmanger对应了一个kafka的parition的方式进行了处理。从而导致虽然作业并发度够大，但是由于只有一个partition，
>> > 其他并发的taskmanager无法获取到更多的partition进行消费，从而导致并行度提升而作业消费能力却无法同比增大。
>> >
>> > 之后通过建立2个partition的topic，实现了消费能力的翻倍。
>> >
>> >
>> > 想再请多问您一句，我如果想压出作业的极限吞吐量，请问该如何设置一些运行参数，目前我通过设置on yarn
>> > 的tm的内存大小，kafka的partition数目，也无法将作业的吞吐量压上去。
>> >
>> >
>> >
>> > -----邮件原件-----
>> > 发件人: Benchao Li [mailto:libenchao@apache.org]
>> > 发送时间: 2020年9月18日 星期五 18:49
>> > 收件人: user-zh <us...@flink.apache.org>
>> > 主题: Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
>> >
>> > 提交两个作业的话，两个作业是完全独立的，都会消费全量数据。
>> >
>> > 一个作业的消费能力不行，可以具体看下瓶颈在哪里，比如：
>> > 1. 作业是否有lag，如果没有lag，那其实是没有问题的
>> > 2. 如果作业有lag，而且lag还在上涨，说明当前消费能力不足，此时可以看下作业具体的瓶颈在哪里
>> > 有可能是某个算子在反压导致整个作业的消费能力不足
>> > 也有可能是作业的整体CPU资源不足导致的
>> > 也有一种极端情况是，作业的并发度已经足够大，source subtask已经对应一个kafka
>> > partition了，但是消费能力还是不足，这个时候其实是单个partition数据量太大，对应到Flink的source算子处理能力不足导致的
>> > 3. 如果作业当前有lag，但是lag在下降，说明消费能力其实是够的，只是数据有些积压
>> >
>> > 范超 <fa...@mgtv.com> 于2020年9月18日周五 下午4:07写道：
>> >
>> > > 各位好，我遇到了一个奇怪的问题
>> > >
>> > > 我是使用flink1.10和 flink-connector-kafka_2.11
>> > >
>> > > 使用Flink on yarn 模式运行，无论怎么调大并行度。Kafka节点（我使用的单节点）的网卡输出速度一直上不去。
>> > >
>> > > 但是提交两个同样的应用同样使用FLink on Yarm模式，Kafka节点的网卡输出速度是正常翻倍的。
>> > >
>> > > 我想达到的目的不是通过多向yarn集群提交多一个app，而是通过设置并行度来提高应用的吞吐量。。
>> > >
>> > > 求各位大佬指导
>> > >
>> >
>> >
>> > --
>> >
>> > Best,
>> > Benchao Li
>> >
>>
>>
>> --
>>
>> Best,
>> Benchao Li
>>
>
Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
Posted by 赵一旦 <hi...@gmail.com>.
单分区情况下30MB，这和flink已经没关系了貌似。能否更高的消费，首先还得确认你是否由足够快的速度写入压测数据。
而kafka不论是写入还是消费都和分区数量有关系。所以压测flink的最高能力，首先你得压测kafka拿到一个你预设的最高压力，否则kafka分区1个，如果qps最高达到2w。那么你基于这个单分区kafka去压测flink，flink也不可能超过1w的qps去消费，懂吧？
压测flink，那么kafka部分你就得尽可能把分区设置很大，避免是kafka的瓶颈。
范超 <fa...@mgtv.com> 于2020年9月25日周五 下午2:28写道：
> 感谢benchao哥这么快就回复了。我这边再多观察测试一下。
> 再次感谢
>
> -----邮件原件-----
> 发件人: Benchao Li [mailto:libenchao@apache.org]
> 发送时间: 2020年9月24日 星期四 16:06
> 收件人: user-zh <us...@flink.apache.org>
> 主题: Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
>
> 我们一般提升作业吞吐能力的步骤就是看作业的反压情况，
> - 如果作业完全没有反压，说明此时处理能力大于上游数据产生速度
> - 如果作业有反压，就具体看下反压的是哪个算子，存在什么瓶颈。比如网络IO、磁盘IO、CPU；
> 当然，有时候内存问题也会表现为CPU现象，比如GC比较严重
>
> 范超 <fa...@mgtv.com> 于2020年9月24日周四 上午10:48写道：
>
> > 谢谢Benchao哥回复。
> >
> > 这几天一直忙着压测这个问题。
> > 经多轮压测（先灌满kafka数据），再去消费。
> > 发现确实是您说的问题中的第三个情况
> > 由于kafka的topic只开了一个partition
> >
> >
> 所以flinkkafkaconsumer按照一个taskmanger对应了一个kafka的parition的方式进行了处理。从而导致虽然作业并发度够大，但是由于只有一个partition，
> > 其他并发的taskmanager无法获取到更多的partition进行消费，从而导致并行度提升而作业消费能力却无法同比增大。
> >
> > 之后通过建立2个partition的topic，实现了消费能力的翻倍。
> >
> >
> > 想再请多问您一句，我如果想压出作业的极限吞吐量，请问该如何设置一些运行参数，目前我通过设置on yarn
> > 的tm的内存大小，kafka的partition数目，也无法将作业的吞吐量压上去。
> >
> >
> >
> > -----邮件原件-----
> > 发件人: Benchao Li [mailto:libenchao@apache.org]
> > 发送时间: 2020年9月18日 星期五 18:49
> > 收件人: user-zh <us...@flink.apache.org>
> > 主题: Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
> >
> > 提交两个作业的话，两个作业是完全独立的，都会消费全量数据。
> >
> > 一个作业的消费能力不行，可以具体看下瓶颈在哪里，比如：
> > 1. 作业是否有lag，如果没有lag，那其实是没有问题的
> > 2. 如果作业有lag，而且lag还在上涨，说明当前消费能力不足，此时可以看下作业具体的瓶颈在哪里
> > 有可能是某个算子在反压导致整个作业的消费能力不足
> > 也有可能是作业的整体CPU资源不足导致的
> > 也有一种极端情况是，作业的并发度已经足够大，source subtask已经对应一个kafka
> > partition了，但是消费能力还是不足，这个时候其实是单个partition数据量太大，对应到Flink的source算子处理能力不足导致的
> > 3. 如果作业当前有lag，但是lag在下降，说明消费能力其实是够的，只是数据有些积压
> >
> > 范超 <fa...@mgtv.com> 于2020年9月18日周五 下午4:07写道：
> >
> > > 各位好，我遇到了一个奇怪的问题
> > >
> > > 我是使用flink1.10和 flink-connector-kafka_2.11
> > >
> > > 使用Flink on yarn 模式运行，无论怎么调大并行度。Kafka节点（我使用的单节点）的网卡输出速度一直上不去。
> > >
> > > 但是提交两个同样的应用同样使用FLink on Yarm模式，Kafka节点的网卡输出速度是正常翻倍的。
> > >
> > > 我想达到的目的不是通过多向yarn集群提交多一个app，而是通过设置并行度来提高应用的吞吐量。。
> > >
> > > 求各位大佬指导
> > >
> >
> >
> > --
> >
> > Best,
> > Benchao Li
> >
>
>
> --
>
> Best,
> Benchao Li
>
答复: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
Posted by 范超 <fa...@mgtv.com>.
感谢benchao哥这么快就回复了。我这边再多观察测试一下。
再次感谢
-----邮件原件-----
发件人: Benchao Li [mailto:libenchao@apache.org]
发送时间: 2020年9月24日 星期四 16:06
收件人: user-zh <us...@flink.apache.org>
主题: Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
我们一般提升作业吞吐能力的步骤就是看作业的反压情况，
- 如果作业完全没有反压，说明此时处理能力大于上游数据产生速度
- 如果作业有反压，就具体看下反压的是哪个算子，存在什么瓶颈。比如网络IO、磁盘IO、CPU；
当然，有时候内存问题也会表现为CPU现象，比如GC比较严重
范超 <fa...@mgtv.com> 于2020年9月24日周四 上午10:48写道：
> 谢谢Benchao哥回复。
>
> 这几天一直忙着压测这个问题。
> 经多轮压测（先灌满kafka数据），再去消费。
> 发现确实是您说的问题中的第三个情况
> 由于kafka的topic只开了一个partition
>
> 所以flinkkafkaconsumer按照一个taskmanger对应了一个kafka的parition的方式进行了处理。从而导致虽然作业并发度够大，但是由于只有一个partition，
> 其他并发的taskmanager无法获取到更多的partition进行消费，从而导致并行度提升而作业消费能力却无法同比增大。
>
> 之后通过建立2个partition的topic，实现了消费能力的翻倍。
>
>
> 想再请多问您一句，我如果想压出作业的极限吞吐量，请问该如何设置一些运行参数，目前我通过设置on yarn
> 的tm的内存大小，kafka的partition数目，也无法将作业的吞吐量压上去。
>
>
>
> -----邮件原件-----
> 发件人: Benchao Li [mailto:libenchao@apache.org]
> 发送时间: 2020年9月18日 星期五 18:49
> 收件人: user-zh <us...@flink.apache.org>
> 主题: Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
>
> 提交两个作业的话，两个作业是完全独立的，都会消费全量数据。
>
> 一个作业的消费能力不行，可以具体看下瓶颈在哪里，比如：
> 1. 作业是否有lag，如果没有lag，那其实是没有问题的
> 2. 如果作业有lag，而且lag还在上涨，说明当前消费能力不足，此时可以看下作业具体的瓶颈在哪里
> 有可能是某个算子在反压导致整个作业的消费能力不足
> 也有可能是作业的整体CPU资源不足导致的
> 也有一种极端情况是，作业的并发度已经足够大，source subtask已经对应一个kafka
> partition了，但是消费能力还是不足，这个时候其实是单个partition数据量太大，对应到Flink的source算子处理能力不足导致的
> 3. 如果作业当前有lag，但是lag在下降，说明消费能力其实是够的，只是数据有些积压
>
> 范超 <fa...@mgtv.com> 于2020年9月18日周五 下午4:07写道：
>
> > 各位好，我遇到了一个奇怪的问题
> >
> > 我是使用flink1.10和 flink-connector-kafka_2.11
> >
> > 使用Flink on yarn 模式运行，无论怎么调大并行度。Kafka节点（我使用的单节点）的网卡输出速度一直上不去。
> >
> > 但是提交两个同样的应用同样使用FLink on Yarm模式，Kafka节点的网卡输出速度是正常翻倍的。
> >
> > 我想达到的目的不是通过多向yarn集群提交多一个app，而是通过设置并行度来提高应用的吞吐量。。
> >
> > 求各位大佬指导
> >
>
>
> --
>
> Best,
> Benchao Li
>
--
Best,
Benchao Li
Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
Posted by Benchao Li <li...@apache.org>.
我们一般提升作业吞吐能力的步骤就是看作业的反压情况，
- 如果作业完全没有反压，说明此时处理能力大于上游数据产生速度
- 如果作业有反压，就具体看下反压的是哪个算子，存在什么瓶颈。比如网络IO、磁盘IO、CPU；
当然，有时候内存问题也会表现为CPU现象，比如GC比较严重
范超 <fa...@mgtv.com> 于2020年9月24日周四 上午10:48写道：
> 谢谢Benchao哥回复。
>
> 这几天一直忙着压测这个问题。
> 经多轮压测（先灌满kafka数据），再去消费。
> 发现确实是您说的问题中的第三个情况
> 由于kafka的topic只开了一个partition
>
> 所以flinkkafkaconsumer按照一个taskmanger对应了一个kafka的parition的方式进行了处理。从而导致虽然作业并发度够大，但是由于只有一个partition，
> 其他并发的taskmanager无法获取到更多的partition进行消费，从而导致并行度提升而作业消费能力却无法同比增大。
>
> 之后通过建立2个partition的topic，实现了消费能力的翻倍。
>
>
> 想再请多问您一句，我如果想压出作业的极限吞吐量，请问该如何设置一些运行参数，目前我通过设置on yarn
> 的tm的内存大小，kafka的partition数目，也无法将作业的吞吐量压上去。
>
>
>
> -----邮件原件-----
> 发件人: Benchao Li [mailto:libenchao@apache.org]
> 发送时间: 2020年9月18日 星期五 18:49
> 收件人: user-zh <us...@flink.apache.org>
> 主题: Re: FlinkKafkaConsumer on Yarn 模式下 设置并行度无法提高kafka的消费速度，但是提交两个应用却可以
>
> 提交两个作业的话，两个作业是完全独立的，都会消费全量数据。
>
> 一个作业的消费能力不行，可以具体看下瓶颈在哪里，比如：
> 1. 作业是否有lag，如果没有lag，那其实是没有问题的
> 2. 如果作业有lag，而且lag还在上涨，说明当前消费能力不足，此时可以看下作业具体的瓶颈在哪里
> 有可能是某个算子在反压导致整个作业的消费能力不足
> 也有可能是作业的整体CPU资源不足导致的
> 也有一种极端情况是，作业的并发度已经足够大，source subtask已经对应一个kafka
> partition了，但是消费能力还是不足，这个时候其实是单个partition数据量太大，对应到Flink的source算子处理能力不足导致的
> 3. 如果作业当前有lag，但是lag在下降，说明消费能力其实是够的，只是数据有些积压
>
> 范超 <fa...@mgtv.com> 于2020年9月18日周五 下午4:07写道：
>
> > 各位好，我遇到了一个奇怪的问题
> >
> > 我是使用flink1.10和 flink-connector-kafka_2.11
> >
> > 使用Flink on yarn 模式运行，无论怎么调大并行度。Kafka节点（我使用的单节点）的网卡输出速度一直上不去。
> >
> > 但是提交两个同样的应用同样使用FLink on Yarm模式，Kafka节点的网卡输出速度是正常翻倍的。
> >
> > 我想达到的目的不是通过多向yarn集群提交多一个app，而是通过设置并行度来提高应用的吞吐量。。
> >
> > 求各位大佬指导
> >
>
>
> --
>
> Best,
> Benchao Li
>
--
Best,
Benchao Li