1.JobManager 内存调优
1.1 JobManager 内存模型的介绍
JobManager 是 Java 进程，从 JVM 角度来看，总体分为 Heap 内存和 Off-Heap 内存。
① Total Process Memory 是 JobManager 的总内存，即 Master 进程的内存。
② Total Flink Memory 是 JobManager 框架的内存，包括 JVM Heap 内存和 Off-Heap 部分内存。
③ JVM Heap 内存 用于 Flink 框架、用户代码（作业提交及 Checkpoint 完成的回调函数）
④ Off-Heap 内存用于 Flink 框架依赖（例如 Akka 的网络通信）和包含 Metaspace，其值等于 Total Flink Memory 减去 JVM Heap。
⑤ JVM Metaspace 主要是加载用户程序中的类。
1.2 如何配置 JobManager 内存
（1）配置 JVM Heap 内存
作业运行的数量、作业的结构（算子数量、复杂度等）、用户代码（类数量、复杂度），决定 JVM Heap 内存。
通过配置参数 jobmanager.heap.size，设置 JVM Heap 内存的大小。如果需要设置年轻代、老年代等参数，在启动 JobManager 进程时，可以通过启动脚本设置 -Xms、-Xmx、-Xmn 等参数。
| JVM 参数 | TaskManager 内存 | JobManager 内存 |
|---|---|---|
| -Xms 和 -Xmx | 框架堆内存 + 任务堆内存 | JVM Heap 内存 |
| -XX:MaxDirectMemorySize | 框架堆外内存 + 任务堆外内存（用户代码） + 网络内存 | Off-Heap 内存 |
| -XX:MaxMetaspaceSize | JVM Metaspace | JVM Metaspace |
JVM 内存参数说明：
① -Xms 设置堆内存初始值，堆内存 = 新生代 + 老年代，默认是物理内存的 1/64
② -Xmx 设置堆内存最大值，默认是物理内存的 1/4
③ -Xmn 设置年轻代的大小
④ -XX:SurvivorRatio=8 设置新生代中 Eden 和 Survivor 的比值。8 表示Survivor : Eden = 1 : 8，两个 FromSuv 和 ToSuv 占比相等，即 Eden : FromSuv : FromSuv = 8 : 1 : 1
⑤ -XX:PretenureSizeThreshold=1024 设置对象进入老年区的阈值，即该对象大小超过 1024 KB 直接进入老年区
⑥ -XX:MetaspaceSize 设置元空间初始值，达到 MetaspaceSize，JVM 会进行 Metaspace GC。
⑦ -XX:MaxMetaspaceSize 元空间最大值，超过 MaxMetaspaceSize，会导致错误 java.lang.OutOfMemoryError: Metaspace。
如下所示，Flink on Kubernetes，Session 模式，通过 Jobmanager-deployment.yaml 设置 JVM 参数。
containers:
- name: jobmanager
image: flink:latest
workingDir: /opt/flink
command: ["/bin/bash", "-c", "$FLINK_HOME/bin/jobmanager.sh start;\
while :;
do
if [[ -f $(find log -name '*jobmanager*.log' -print -quit) ]];
then tail -f -n +1 log/*jobmanager*.log;
fi;
done"]
env:
- name: JVM_ARGS
value: -Xms1024m -Xmx4096m -XX:MetaspaceSize=256M
（2）配置 JVM Metaspace 内存
作业中的类数量、作业提交的次数（Session 模式）决定 JVM Metaspace 内存的大小。
注意事项：
① 设置 -XX:MetaspaceSize、-XX:MaxMetaspaceSize。如果 MetaspaceSize 使用默认值，可能导致 Metaspace 频繁 GC。如果 没有设置 MaxMetaspaceSize，其值是没有上限的，可能超过物理内存导致程序挂了。
② 集群在 Session 模式下，作业的类数量较多 + 提交次数较多。由于每次运行作业，会创建新的 URLClassLoader，使得 JobManager 加载的类数量不断增加，最终导致 java.lang.OutOfMemoryError: Metaspace。因此，建议采用 Pre-job 模式或者将作业与 Flink 打包在一起。
2.TaskManager 内存调优
2.1 TaskManager 内存模型的介绍
TaskManager 是 Java 进程，从 JVM 角度来看，总体分为 Heap 内存和 Off-Heap 内存。Flink-1.10 TaskManager 可以精细化管理内存，例如指定 Heap 内存中的任务堆内存（
taskmanager.memory.task.heap.size）。
① Total Process Memory 是 TaskManager 的总内存，即 Master 进程的内存。
② Total Flink Memory 是 TaskManager 框架的内存，包括 JVM Heap 内存和 Off-Heap 部分内存。
③ JVM Heap 内存包含作业 Task 和框架的 JVM 堆内存。
④ Managed Memory 是 Flink 管理的托管内存，用于排序、哈希表、缓存中间结果及 RocksDB State Backend 的本地内存。
⑤ Direct Memory 是 JVM 直接内存，主要包含 Network Memory（网络数据交换缓冲区）、Framework Off-Heap Memory（不计入 slot 的 Flink 框架内存）、Task Off-HeapMemory（Task 执行用户代码所使用的对外内存）
⑥ JVM specific memory 是 JVM 本身使用的内存，主要是 JVM Metaspace
2.2 如何配置 TaskManager 内存
（1）设置 Total Process Memory 和 Total Flink Memory
- 进程总内存（
taskmanager.memory.process.size） - Flink 总内存（
taskmanager.memory.flink.size）
Flink 总内存的示例，如下图所示。
① 虚拟机部署：建议指定 Flink 总内存。
② 容器化部署：建议指定进程总内存，这等于容器的内存限制。详情请参考如何配置容器内存（Kubernetes、Yarn 或 Mesos）。
注意：同时设置进程总内存和 Flink 总内存，可能使得内存配置冲突，导致集群部署失败。
（2）设置 JVM Heap 内存
① taskmanager.memory.task.heap.size，即作业 Task 的 JVM 堆内存，用于算子和用户代码。
② taskmanager.memory.framework.heap.size，默认值是 128 MB，用于框架的 JVM 堆内存。
注意：在容器化部署下，不建议设置 taskmanager.memory.task.heap.size。该值等于 Total Flink Memory 减去 (Framework Heap Memory + Task Off-Heap Memory + Managed Memory + Network Memory)，由于 Framework Heap Memory 默认值为 0，Task Off-Heap Memory
、Managed Memory 和 Network Memory 都没有默认值，所以 Task Heap 可以最大化。
技巧：如果 Total Flink Memory 设置超过容器内存限制，当 Task Heap 超过内存限制时，K8s 会重启拉起容器，快速恢复业务。
（3）设置 Direct Memory
① taskmanager.memory.managed.size 是托管内存，用于排序、哈希表、缓存中间结果及 RocksDB State Backend 的本地内存
② taskmanager.memory.network.min、taskmanager.memory.network.max、taskmanager.memory.network.fraction，设置网络数据交换缓冲区。
③ taskmanager.memory.task.off-heap.size ，设置 Task 执行用户代码所使用的堆外内存，例如用户代码读写 I/O。
④ taskmanager.memory.framework.off-heap.size，默认值是 128MB，即不计入 slot 的 Flink 框架内存，不建议修改该配置。
（4）设置 JVM Metaspace
通过配置 taskmanager.memory.jvm-metaspace.size ，可以设置 Flink JVM 进程的 Metaspace，即等同于 -XX:MaxMetaspaceSize，如上 1.2 所示。
2.3 注意容器的内存限制
（1）Flink 进程内存超过容器内存
当没有设置Total Process Memory、Total Flink Memory 和 JVM Metaspace。Flink 进程内存可能超过容器内存，导致其进程被重启。因此，在容器化部署模式下，建议主动设置 Total Process Memory 和 JVM Metaspace。
（2）JVM Metaspace 需要额外的内存
预留 Metaspace，主动设置 -XX:MaxMetaspaceSize，否则可能无限增长。Flink on K8s，在 Session 模式下，JobManager 的 Metaspace 可能超过容器的内存限制，导致 JobManager 进程被 K8s 重启。
（3）用户代码或其依赖项会消耗大量的 Off-heap 内存
用户代码消耗大量的 Off-heap 内存，例如读写文件的 I/O。因此，需要额外分配 JVM Direct 内存。
（4）注意 RocksDB 的大状态
RocksDB 状态后端主要是消耗 Managed Memory。如果需要保存大状态数据，例如长窗口，可以增加 Managed Memory 的大小，提高 RocksDB 的性能。
