flink內存管理
JVM 存在的幾個問題：
- Java 對象存儲密度低。一個只包含 boolean 屬性的對象占用了16個字節內存：對象頭占了8個，boolean 屬性占了1個，對齊填充占了7個。而實際上只需要一個bit（1/8字節）就夠了。
- Full GC 會極大地影響性能，尤其是為了處理更大數據而開了很大內存空間的JVM來說，GC 會達到秒級甚至分鐘級。
- OOM 問題影響穩定性。OutOfMemoryError是分布式計算框架經常會遇到的問題，當JVM中所有對象大小超過分配給JVM的內存大小時，就會發生OutOfMemoryError錯誤，導致JVM崩潰，分布式框架的健壯性和性能都會受到影響。
flink內存管理針對實時場景做了哪些優化
積極的堆外內存管理，因為流處理注重低延遲，為每一條要處理的數據在堆內存上創建對象會觸發頻繁的gc，導致處理停滯
- flink在堆外開辟network buffer（專門存放緩沖數據）
- 開辟managed memory，用于排序，緩存中間值
怎么定位背壓
flink拓撲圖，Flink的下游算子無法及時處理上游的消息時會出現反壓的提示。反壓提示一般有OK,LOW,HIGH三種狀態。某個算子的BackPressure指標如果是HIGH，說明后面的算子存在性能問題。在任務性能調優時，對于串在一
)
