TaskManager的Slot数设多少合适？并行度怎么定？
总结
Slot是资源槽位，并行度是算子并发数。Slot数设为CPU核数。Source并行度=Kafka分区数。Slot Sharing让不同算子共享Slot，节省资源。面试时能说清楚Slot和并行度的关系、Slot Sharing的原理、并行度的设置依据，就很有深度。
下一篇聊一个很容易混淆的概念：Savepoint和Checkpoint有什么区别？从Savepoint恢复后为什么数据重复了？
你们生产环境的Flink并行度设的多少？评论区聊聊～
关注「Wood聊大数据」| 9年大数据老兵，聊技术、聊职场、聊成长
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
Slot和并行度是Flink资源管理的核心。很多人分不清楚Slot和并行度的关系，以为“Slot就是并行度”。实际上Slot是资源槽位，并行度是算子的并发数。今天把它们的关系和设置原则讲清楚。
先说结论
Slot是TaskManager的资源切片，每个Slot分到固定的内存。并行度是算子的并发Subtask数。一个Slot可以跑多个不同算子的Subtask（Slot Sharing），但同一个算子的不同Subtask必须在不同Slot上。
Slot和并行度的关系
假设你有一个作业：Source(p=4) → Map(p=4) → KeyBy+Window(p=8) → Sink(p=4)
最大并行度是8（取所有算子的最大值），所以至少需要8个Slot。
因为Slot Sharing，Source(p=4)、Map(p=4)、Sink(p=4)的Subtask会和KeyBy+Window(p=8)的Subtask共享Slot。所以8个Slot就够了，不需要4+4+8+4=20个。
Slot数的设置原则
经验法则：Slot数 = TaskManager的CPU核数。比如TaskManager有4核，就设4个Slot。每个Slot分到的内存 = TaskManager总内存 / Slot数。
# 假设TaskManager 8核 16GB
taskmanager.numberOfTaskSlots: 8 # 每核一个Slot
# 每个Slot分到 16GB / 8 = 2GB 内存
# 并行度设置（整个作业级别）
# 通常等于Kafka的分区数，比如Kafka有16个分区
env.setParallelism(16); // 16个Subtask，需要16个Slot并行度怎么定？
原则一：Source并行度 = Kafka分区数
如果Kafka有16个分区，Source并行度设16。如果设多了（比如32），多出来的16个Subtask没有数据读，浪费资源。
原则二：处理算子并行度看吐吐量
如果处理算子是瓶颈（反压），加大并行度。如果没有反压，保持和Source一样就行。
原则三：Sink并行度看目标存储承受能力
如果Sink写Doris，Doris的BE节点有限，Sink并行度太高会压垁Doris。我在元宇宙社交App的经验是Sink并行度设为Doris BE节点数×2。