I/O 绑定运算符

最好避免在数据路径上依赖外部系统。保持参考数据集处于状态，而不是查询外部系统来丰富个别事件，通常性能要高得多。但是，有时候，有些依赖项无法轻松移动到状态，例如，如果您想使用 Amazon Sageemaker 上托管的机器学习模型丰富事件。

通过网络与外部系统接口的运营商可能会成为瓶颈并造成背压。强烈建议使用AsyncIO以实现该功能，以减少单个呼叫的等待时间并避免整个应用程序放慢速度。

此外，对于具有 I/O 绑定运算符的应用程序，增加ParallelismPerKPUKinesis Data Analytics 应用程序的设置。此配置描述应用程序在其每个 Kinesis 处理单元 (KPU) 可以执行的 parallel 行子任务数。通过将值从默认值 1 增加到（比如 4），应用程序利用了相同的资源（并且具有相同的成本），但可以扩展到并行度的 4 倍。这对于 I/O 绑定的应用程序来说很有效，但它会给未绑定 I/O 的应用程序带来额外的开销。