【Flink】第四篇：【迷思】对update语义拆解D-、I 后造成update原子性丢失
【Flink】第五篇：checkpoint【1】
【Flink】第五篇：checkpoint【2】
【Flink】第八篇：Flink 内存管理
【Flink】第九篇：Flink SQL 性能优化实战
【Flink】第十篇：join 之 regular join
【Flink】第十三篇：JVM思维导图
【Flink】第十四篇：LSM-Tree一般性总结
【Flink】第十五篇：Redis Connector 数据保序思考
【Flink】第十六篇：源码角度分析 sink 端的数据一致性
【Flink】第十七篇：记一次牛轰轰的OOM故障排查
【Flink】第十八篇：Direct Memory 一箩筐
【Flink】第十九篇：从一个批量写HBase性能问题到一个Flink issue的距离
【Flink】第二十篇：HBase GC 调优实战
【Flink】第二十一篇：HBase 写热点问题实战
内存配置本质上是对进程规划合理的内存空间：
- 避免内存不足影响正常运行
- 减少内存资源浪费
在保证程序能够正常运行的前提下，为公司带来尽可能大的硬件资产价值。
本篇为大家肝了几张图，尽量使得内存配置不再抽象。
TaskManager
JobManager
内存解释
内存配置实战
JobManager
代码语言：javascript复制./flink run -m yarn-cluster -ynm {yarn-app-name} -ys 1 -yjm 512m -ytm 1g -yd
-yD jobmanager.memory.heap.size=224m
-yD jobmanager.memory.enable-jvm-direct-memory-limit=true
-yD jobmanager.memory.off-heap.size=64m
-yD jobmanager.memory.jvm-metaspace.size=96m
-yD jobmanager.memory.jvm-overhead.min=128m
-yD jobmanager.memory.jvm-overhead.max=128m
{flink-app}.jar效果：
TaskManager
代码语言：javascript复制./flink run -m yarn-cluster -ynm {yarn-app-name} -ys 1 -yjm 1g -ytm 1g -yd
-yD taskmanager.memory.framework.heap.size=128m
-yD taskmanager.memory.task.heap.size=128m
-yD taskmanager.memory.managed.size=64m
-yD taskmanager.memory.framework.off-heap.size=128m
-yD taskmanager.memory.task.off-heap.size=128m
-yD taskmanager.memory.network.min=64m
-yD taskmanager.memory.network.max=64m
-yD taskmanager.memory.jvm-metaspace.size=256m
-yD taskmanager.memory.jvm-overhead.min=128m
-yD taskmanager.memory.jvm-overhead.max=128m
{flink-app}.jar效果：
基本规则：
- max min是硬性指标，fraction是软性指标且优先级低
- overhead优先级较低，算法较为弹性
