Flink并行度

1、Task

flink中每个算子就是一个Task，比如flatMap、map、sum是一个Task。

2、SubTask

算子有几个并行度SubTask的数量就是几，比如

3、算子并行度

算子并行度指的是每个算子的并行度，可用env.setParallelism(1);设置所有算子的并行度，也可以对每个算子单独设置，通过降数据流划分为多个并行的算子实例（SubTask）可实现数据的并行处理。

一个Job的并行度是算子并行度的最大值，比如一个Job中有map算子并行度是2、filter算子并行度是4，则任务并行度就是4。

总结：Flink中，每一个算子都可以成为一个独立任务(task)。

4、分区、分组

分区使用keyBy函数，目的是为了进行并行计算，通过hash(key)%并行度 来把数据分到不同分区然后并行计算提报计算效率。
由于keyby使用了取模运算，所以同一个区分可能存在不同分组的数据，如下图北京和山东在同一个分区，但是在不同分组。
keyby之后使用sum函数会对不同分区内的数据并行计算，同一个并且同一个分组内的数据才会进行sum运算。