线程分析 线程分析支持显示该应用的所有线程和查看线程的堆栈信息，帮助您快速定位耗时较高的线程。 由于线程分析获取方法以及对象的实时参数，因此线程的状态等相关信息可能会产生变化。 线程分析 登录管理控制台。 单击左侧，选择“管理与监管 > 应用性能管理 APM”，进入APM服务页面。

查看更多 →

线程分析 线程分析支持显示该应用的所有线程和查看线程的堆栈信息，帮助您快速定位耗时较高的线程。 由于线程分析获取方法以及对象的实时参数，因此线程的状态等相关信息可能会产生变化。 线程分析 登录AOM 2.0控制台。 在左侧导航栏选择“应用监控 > 组件列表”，进入组件列表页面。

查看更多 →

Spark作业CUs数=Executor所占CU数+driver所占CUs数 Executor所占CU数=max { [（Executor个数 x Executor内存）÷4]，（Executor个数 x Executor CPU核数）} x1 driver所占CUs数=max [（ driver内存÷4），

查看更多 →

256（196核CPU/1536G内存，128核CPU/1024G内存，104核CPU/1024G内存，96核CPU/1024G内存，96核CPU/768G内存，80核CPU/640G内存，64核CPU/512G内存，60核CPU/480G内存，32核CPU/256G内存，16核CPU/

查看更多 →

加其他节点的负载。 CPU使用率高的原因 数据操作相关线程数（num.io.threads、num.network.threads、num.replica.fetchers）过多，导致CPU繁忙。 分区设置不合理，所有的生产和消费都集中在某个节点上，导致CPU利用率高。 磁盘写满的原因

查看更多 →

存，128核CPU/1024G内存，104核CPU/1024G内存，96核CPU/1024G内存）；150（96核CPU/768G内存）；120（80核CPU/640G内存）；100（64核CPU/512G内存）；80（60核CPU/480G内存）；40（32核CPU/256G内

查看更多 →

ize_pretty格式化。 used_cpu double precision 资源池在所有DN上占用CPU核数的平均值；CPU隔离以节点和资源池为单位，单个节点上包含多个DN时，资源池在单节点上占用的CPU核数需要乘以DN数。 cpu_limit double precision

查看更多 →

1048576（196核CPU/1536G内存，128核CPU/1024G内存，104核CPU/1024G内存，96核CPU/1024G内存，96核CPU/768G内存，80核CPU/640G内存，64核CPU/512G内存，60核CPU/480G内存，32核CPU/256G内存，16核CPU/

查看更多 →

当活跃连接数超出了实例规格的承受能力，系统不停的切换CPU中运行的进程，而内核程序切换CPU让其在不同的地址空间上操作，导致内核态CPU时间占比升高。 查看活跃连接数 通过管理控制台中的监控平台中的活跃连接数监控项进行查看，选择近24小时或近7天查看最近一段时间的活跃连接数的情况，确认是否存在陡增现象以及陡增时间点。

查看更多 →

配置”，在搜索框中输入以下参数。 “yarn.nodemanager.resource.cpu-vcores”设置当前节点上NodeManager可使用的虚拟CPU核数，建议按节点实际逻辑核数的1.5到2倍配置。“yarn.nodemanager.resource.memory-

查看更多 →

ize_pretty格式化。 used_cpu double precision 资源池在所有DN上占用CPU核数的平均值；CPU隔离以节点和资源池为单位，单个节点上包含多个DN时，资源池在单节点上占用的CPU核数需要乘以DN数。 cpu_limit double precision

查看更多 →

e_queue Write队列中总排队任务数 写入线程池中的排队任务数。 ≥ 0 CSS 集群 1分钟 sum_thread_pool_search_queue Search队列中总排队任务数 CS S集群中各节点在搜索线程池中的排队任务数之和。 ≥ 0 CSS集群 1分钟 sum_

查看更多 →

e_queue Write队列中总排队任务数 写入线程池中的排队任务数。 ≥ 0 CSS集群 1分钟 sum_thread_pool_search_queue Search队列中总排队任务数 CSS集群中各节点在搜索线程池中的排队任务数之和。 ≥ 0 CSS集群 1分钟 sum_

查看更多 →

运行程序参数 否 为本次执行的作业配置相关优化参数（例如线程、内存、CPU核数等），用于优化资源使用效率，提升作业的执行性能。 说明： 数据连接为 MRS API连接时支持为Spark SQL作业独立配置需要的资源（例如线程、内存、CPU核数并指定MRS资源队列等）。代理连接时不支持配置。

查看更多 →

256（196核CPU/1536G内存，128核CPU/1024G内存，104核CPU/1024G内存，96核CPU/1024G内存，96核CPU/768G内存，80核CPU/640G内存，64核CPU/512G内存，60核CPU/480G内存，32核CPU/256G内存，16核CPU/

查看更多 →

在CPU核数、内存相同的情况下，小规格多节点与大规格三节点集群如何选择？ 小规格多节点： 如果数据量不大、集群节点数量需要伸缩，但不能忍受太高的成本，可以选择小规格多节点集权。 例如，规格为8核32G的小规格集群（dwsx2.h.2xlarge.4.c6），可以提供较强的计算能力

查看更多 →

“实例配置”，选择“全部配置”。 “yarn.nodemanager.resource.cpu-vcores”设置当前节点上NodeManager可使用的虚拟CPU核数，建议按节点实际逻辑核数的1.5到2倍配置。“yarn.nodemanager.resource.memory-

查看更多 →

failed_times Number 模型实例调用失败次数。 cpu_core_usage Float 已使用CPU核数。 cpu_core_total Float 总CPU核数。 cpu_memory_usage Integer 已使用内存，单位MB。 cpu_memory_total Integer

查看更多 →

历史规格/性能说明 版本 资产数 并发数 CPU 内存 硬盘 标准版 20 20 1核 4GB 100GB 专业版 50 50 2核 4GB 200GB 企业版 100 100 4核 8GB 400GB 高级版 200 200 4核 8GB 800GB 旗舰版 无限制 无限制 8核 16GB 1TB

查看更多 →

Memory：608 GB (=622592 MB) 76 专属主机规格中的vCPUs计算公式：vCPUs = (槽位数 * CPU核数 * 单核线程数 - CPU开销) * CPU超分比 m3型专属主机 vCPUs计算公式：vCPUs = (2 * 18 * 2 - 12) * 1.07 =

查看更多 →

整数量”。 弹框中选择需要调整的代理实例节点数量，单击“确定”，完成修改。 推荐代理实例节点数量=（主节点CPU核数+所有只读节点CPU核数总和）/（4*代理实例CPU核数），计算结果向上取整。 图1 调整代理实例节点数量 相关API 扩容数据库代理节点数量 查询数据库代理信息列表

查看更多 →