Flink 中每一个 worker(也就是 TaskManager)都是一个 JVM 进程，它可以启动多个独立的线程，来并行执行多个子任务（subtask）

为了控制并发量，需要在 TaskManager 上对每个任务运行所占用的资源做出明确的划分，这就是 任务槽（task slots）

每个任务槽（task slot）其实表示了 TaskManager 拥有计算资源的一个固定大小的子集。这些资源就是用来独立执行一个子任务的。

假如一个 TaskManager 有三个 slot，那么它会将管理的内存平均分成三份，每个 slot 独自占据一份。
在 slot 上执行一个子任务时，相当于划定了一块内存“专款专用”，就不需要跟来自其他作业的任务去竞争内存资源了。
所以现在只要 2 个 TaskManager，就可以并行处理分配好的 5 个任务了，

一个JVM进程可以有多个线程，假如有1GB内存，分给三个部分（slot），那就是每个333.3MB

集群配置文件 配置  TaskManager 的 slot 数量
taskmanager.numberOfTaskSlots: 3

注意：slot 目前仅仅用来隔离内存，不会涉及 CPU 的隔离。
在具体应用时，可以将 slot 数量配置为机器的 CPU 核心数，尽量避免不同任务之间对 CPU 的竞争。
这也是开发环境默认并行度设为机器 CPU 数量的原因。

任务对任务槽的共享
默认情况下，Flink 允许子任务共享 slot 。
只要属于同一个作业，不同任务节点的并行子任务，可以放到同一个 slot 上执行。
一个jobManager有三个小弟taskManager，每个TaskManager有三个slot，
假设有一个任务需要4个slot，Job把它分给A,B两个TaskManager，A,B同一个job，所以B可以使用A的计算资源


任务槽和并行度的关系
task slot 是静态的概念 ， 是指TaskManager具有的并发执行能力 ， 可以通过参数taskmanager.numberOfTaskSlots 进行配置
并行度（parallelism）是动态概念，也就是TaskManager 运行程序时实际使用的并发能力，可以通过参数 parallelism.default 进行配置



flinkcdc3.2.0  + mysql doris connector  3.1.0  数据同步 并行度设置 实例 

pipeline:
  name: sync_000
  parallelism: 3 


Source: Flink CDC Event Source: mysql -> SchemaOperator -> PrePartition     
Parallelism: 3

PostPartition -> Sink Writer: Flink CDC Event Sink: doris
Parallelism: 3

总共6个任务 ，占用3个slot 


taskmanager.numberOfTaskSlots: 3
每个taskmanager 3个 slot 

Path	                pekko.tcp://flink@192.168.1.10:43675/user/rpc/taskmanager_0	
All Slots	            3
Free Slots	            0
Last Heartbeat	        2024-09-19 08:39:18	
Data Port	            33925	
CPU Cores	            8
Physical Memory	        15.7 GB	
JVM Heap Size	        3.71 GB	
Flink Managed Memory	3.20 GB



pekko.tcp://flink@192.168.1.10:43675/user/rpc/taskmanager_0	
Flink1.18版本内部RPC通信封装用的是Apache Pekko ,
Apache Pekko是Akka 2.6.x的一个分支 ,
Akka将来Apache许可证更改为Business Source License (BSL) v1.1，该协议不是开源的