第 199 题：流处理的资源调度，Task Slot的负载均衡？
题目
流处理的资源调度，Task Slot的负载均衡？
完整讲解
一、流处理的资源模型
Flink 中作业由 Task 组成，每个 Task 运行在 Task Slot 上；Slot 是 TaskManager 上的资源单元（通常 1 slot = 1 个并行子任务）。资源调度：将 Task 分配到 Slot，并尽量均衡负载，避免单 Slot 过载导致反压、延迟高。
二、Task Slot 与并行度
- 并行度：一个算子的并行度决定其有多少个并行子任务（subtask），每个 subtask 占 1 个 slot。同一 Job 内，不同算子可设不同并行度（需满足链与资源）；总 slot 数 ≥ 各算子并行度之和（若 slot sharing 则可共享同一 slot 内多算子）。
- Slot Sharing：默认同 Job 的多个算子可共享同一 slot（一个 slot 内可跑多个 subtask），提高资源利用率；可禁用以实现隔离。
三、负载均衡
- 数据倾斜：若上游分区导致某 subtask 收到远多于其他的数据，该 subtask 所在 slot 负载高，成为瓶颈。缓解：重新分区（rebalance、rescale）、加盐打散热点 key、本地聚合减轻下游压力。
- 调度：Flink 将 subtask 分配到可用 slot 时，考虑共址（同一 TM 减少网络）、分散（同一算子分散到多 TM 提高容错）；资源不足时等待 slot 或扩容。
- 监控：通过 busy/time backpressure、各 subtask 的吞吐与缓冲 发现不均衡；调并行度、分区策略或资源（slot 数、TM 数）使负载更均匀。
面试要点
- 能说清 Task、Slot、并行度的关系；能解释 Slot Sharing 及对资源利用的影响。
- 能说明负载不均衡的成因（数据倾斜、分区）与缓解：重分区、加盐、本地聚合。
- 能简述调度考虑（共址、分散）与监控指标（backpressure、吞吐、缓冲）。
记忆要点
- Slot=资源单元，1 subtask 占 1 slot；Slot Sharing=多算子共享 slot。负载均衡=防数据倾斜（重分区、加盐）。
- 调度=共址与分散；监控=backpressure、吞吐、缓冲，调并行度与分区。