1、任务槽slot

slot特点： 均分隔离内存，不隔离cpu

                        可以共享：同一个job中，不同算子的子任务才可以共享 同一个slot，并且是同时在运行的，前提是属于同一个slot共享组，默认都是“default”

slot数量与并行度的关系

        slot是一种静态的概念，表示最大的并发上限

        并行度是一种动态的概念，表示实际运行占用了几个

        要求：slot数量>=job并发度（算子最大并行度），job才能运行

        注意：如果是yarn模式，动态申请

                --》申请的tm数量=job并行度 / 每个tm的slot数，向上取整

        比如session：一开始0个taskmanager，0个slot

                --》提交一个job（每个tm的slot数为3），并行度10

                        --》10/3，向上取整，申请4个tm

2、转换算子transformation

map        一一对应

filter        true保留，false去掉

flatmap        一进多出（一进一出、一进零出（就相当于过滤）、一进多出）

map怎么控制一进一出   =》 使用return

flatmap怎么控制一进多出 =》 通过collector来输出，调用几次就输出几条

简单聚合算子

有了按键分区的数据流keyedstream（必须经过keyby之后才会有），就可以基于它进行聚合操作

sum()、min()、max()、

minBy()与min()类似，在输入流上针对指定字段求最小值。不同的是，min()只计算指定字段的最小值，其他字段会保留最初第一个数据的值，而minBy()则会返回包含字段最小值的整条数据

规约聚合reduce

同一个 key，每来一条新数据，就拿【历史聚合结果】和【新来的数据】做自定义计算，输出最新聚合结果。

用户自定义函数

用户自定义函数分为；函数类、匿名函数、富函数类

分区算子

分流

filter分：类比把数据拆分为奇数流和偶数流，每个流需要单独判断

侧输出流

就是把数据比如s1,s2,s3,s4,s5.....拆分为支流s1，支流s2，剩下的都是主流

合流

用connect，有两个map，2条流进来之后各处理各的

3、keyby     

 对于flink，datastream是没有直接进行聚合的api的，所以做聚合前要先分区并行处理，keyby通过指定键key，可以将一条流从逻辑上划分成不同的分区（也就是并行处理的子任务），基于不同的key，流中的数据将被分配到不同的分区，所有相同key的数据发到同一个分区

同一个分区内可以有多个组

4、输出算子sink

输出到文件

输出到kafka

输出到mysql

自定义sink输出（不推荐）

5、窗口

类比为桶是现找的，前一个桶满了之后才去找下一个桶，不是一次性把需要多少桶一次性找齐

基于时间、个数

基于时间、个数

会话窗口重点在于时间间隔，基于时间

6、时间语义

7、水位线

8、基于时间的双流联结

9、处理函数

10、容错机制

端到端一致性

11、flinksql