在 Spark Streaming 中，为支撑高吞吐量的流式数据处理，通常需要从哪些方面进行性能调优？请给出至少一个具体的优化技巧，并说明其适用场景。

回答思路

1. 【回答框架 1】批处理时间与并行度：设置合理的批处理间隔，根据数据量和消费能力调整分区数。
2. 【回答框架 2】背压机制：开启背压，让系统根据处理速度自动调节接收速率，避免数据积压。
3. 【回答框架 3】序列化与内存：使用Kryo序列化，优化内存与GC，减少对象开销。
4. 【回答框架 4】并行度优化：提高接收器与处理并行度，如增加分区数、使用高性能接收器。
5. 【回答框架 5】资源分配与调度：合理设置CPU、内存，以及TaskScheduler的配置。
6. 【关键点 1】合理设置批处理间隔与并行度是基础。
7. 【关键点 2】背压机制能动态平衡接收速率与处理能力。
8. 【关键点 3】Kryo序列化可显著减少内存占用与GC压力。
9. 【易错点 1】盲目增大批处理间隔会增加延迟。
10. 【易错点 2】背压设置不当可能导致吞吐下降。
11. 【易错点 3】不合理的资源分配可能导致浪费或性能瓶颈。