背景
由于我们在flink中使用了状态比较大，无法完全把状态数据存放到tm的堆内存中，所以我们选择了把状态存放到rockdb上，也就是使用rockdb作为状态后端存储,本文就是简单记录下使用rockdb状态后端存储的几个重要的配置项
使用rockdb状态后端
1.首先看一下rockdb的设计图
从中需要注意几点：
1.1 每次状态读取操作不一定会经过磁盘，有可能直接从内存中就可以获取到记录了，也有可能要经过好几次IO操作才能读取到服务器托管网记录
1.2 每次写操作都会把记录先顺序写到WAL日志文件中，然后写入memtable内存表，由于写操作是顺序写，虽然比不上直接操作内存，但是性能也不会很差
2.flink全局维度的重要的配置项：
state.backend.rocksdb.memory.managed 默认值true，开启rockdb作为flink状态后端存储
taskmanager.memory.managed.size 默认不配置,显示给rockdb用的堆外内存的总大小
taskmanager.memory.managed.fraction 默认0.4，当参数taskmanager.memory.managed.size没有配置时，给rockdb用的堆外内存的总大小占堆大小的比例
3.rockdb内部的重要的配置项
我们知道rockdb中内部的内存占用主要包含：memtable表，索引(包括数据索引和布隆过滤器索引)，以及BlockCache，以下两个配置是调整rockdb内部的内存占用比例的
state.backend.rocks服务器托管网db.memory.write-buffer-ratio，默认值 0.5，即 50% 的给定内存会分配给写缓冲区使用，这里也就是memtable使用的内存
state.backend.rocksdb.memory.high-prio-pool-ratio，默认值 0.1，即 10% 的 block cache 内存会优先分配给索引及过滤器。 我们强烈建议不要将此值设置为零，以防止索引和过滤器被频繁踢出缓存而导致性能问题
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
内存泄漏可能的原因有很多种： 静态集合类引起内存泄漏 静态集合的生命周期和 JVM 一致，所以静态集合引用的对象不能被释放。 public class OOM { static List list = new ArrayList(); public void …
