1、并行度：

       对于一个Flink任务是有Source、Transformation和Sink等任务组成，一个任务由多个并行实例来执行，一个任务的并行实例数目被称为该任务的并行度。

  2、TaskManager和Solt

Flink是一个分布式流处理框架，它基于TaskManager和Slot来实现任务的执行。TaskManager是Flink中负责运行任务的工作进程，而Slot是TaskManager中可用的资源。

TaskManager在Flink集群中分布式运行，每个TaskManager可以运行多个Slot。Slot是TaskManager中的资源分配单位，每个Slot可以运行一个Flink任务。TaskManager会根据需要动态分配Slot，以满足任务执行的需求。 

3、共享资源槽：

       1、 对于一个Task solt负责执行一个task这种部署方式来说，产生的问题是资源的浪费，此时Flink就有就共享资源槽。

        2、共享资源槽：Flink并不是将task合并，而是上游的task和下游的task可以共享一个槽位，所以Flink需要使用多少资源和task的数量没有关系，而是和节点的最大并行度有关系，因为有几个并行度就需要几个槽位。

    4、并行度的设置的方式：

        1、env.setParallelism(2),设置并行度为2(Execution Environment Level（执行环境级别）)

        2、可以在提交任务的时候指定并行度，通过-p来指定( Client Level（客户端级别）)

flink run-application -t yarn-application  -p 2 -c flink.core.Demo1WordCount flink-1.0.jar

       3、可以对每一个算子都单独的设置并行度(Operator Level（算子级别）)

        4、System Level 一般不使用

在系统级可以通过设置flink-conf.yaml文件中的parallelism.default属性来指定所有执行环境的默认并行度。

三者的优先级是：3---1---2
flink任务需要的资源和task数量无关，和并行相关，一个并行度需要一个资源（slot）
并行度大小的设置与数据的吞吐量有关