1. 错开策略（Staggering Policy）
WindowStagger 在运行时为每个窗口分配错开偏移量：
- ALIGNED：默认模式，所有分区的所有窗格同时启动。
- RANDOM：当在分区算子中摄取第一个事件时，从均匀分布 U(0, WindowSize) 中采样错开偏移量。
- NATURAL：当在窗口算子中接收到第一个事件时，将窗口开始时间与当前处理时间之间的差值作为偏移量。这样，窗口将根据每个并行算子接收到第一个事件的时间而错开。
2. 并行度（Parallelism）
2.1. 任务和算子链
对于分布式执行，Flink 将算子子任务链接到任务中。每个任务由一个线程执行。将算子链接到任务中是一种有用的优化：它减少线程间切换和缓冲的开销，并且在减少延迟的同时，提高总体吞吐量。链接行为可配置，请查看 chaining docs 获取细节。
下图中的示例数据流由 5 个子任务执行，因此有 5 个并行线程。
2.2. 并行度
算子的子任务（Subtask）个数被称之为其并行度（Parallelism）。一般情况下，流程序的并行度可以认为是其所有算子中最大的并行度。一个程序中，不同的算子可能具有不同的并行度。
2.3. 设置并行度
2.3.1. 算子级别（Operator Level）并行度
可以通过调用 setParallelism() 方法，指定算子、数据源和数据汇的并行度。
2.3.2. Env 级别（Execution Environment Level）并行度
可以通过调用 setParallelism() 方法，指定执行环境的默认并行度。执行环境的并行度可以通过显式设置算子的并行度而被重写。
2.3.3. 客户端级别（Client Level）并行度
可以在客户端将任务提交到 Flink 时设定。
2.3.4. 系统默认级别（System Level）并行度
可以通过设置 flink-conf.yaml 文件中的 parallelism.default 属性，指定所有执行环境的默认并行度。
2.3.5. 优先级
算子级别 > Env 级别 > 客户端级别 > 系统默认级别
3. 任务槽（Task Slot）和资源
每个 Worker（TaskManager）是一个 JVM 进程，可以在单独的线程中执行一或多个子任务。为控制 TaskManager 接受多少任务，它有所谓的任务槽（至少一个）。
每个任务槽代表 TaskManager 资源的固定子集。比如拥有 3 个槽的 TaskManager 将为每个槽分配 1/3 的托管内存。槽化资源意味着子任务不会与其它作业的子任务竞争托管内存，而是拥有特定数量的预留托管内存。注意，这里没有发生 CPU 隔离；目前，槽仅分隔任务的托管内存。
通过调整任务槽的数量，用户可以定义子任务彼此隔离的方式。每个 TaskManager 有 1 个插槽意味着每个任务组在单独的 JVM 中运行（比如，可以在单独的容器中启动）。拥有多个插槽意味着更多的子任务共享同一个 JVM。同一 JVM 中的任务共享 TCP 连接（通过多路复用）和心跳消息。它们还可以共享数据集和数据结构，从而减少每个任务的开销。
默认情况下，Flink 允许子任务共享槽，即便它们是不同任务的子任务，只要它们来自于相同的作业。结果是一个槽可能持有作业的整个管道。允许槽共享有两个好处：
- Flink 集群需要的任务槽正好与作业中使用的最高并行度相同。无需计算一个程序总共包含多少个任务（具有不同的并行度）。
- 更容易获得更好的资源利用率。如果不共享槽，非密集的 source/map() 子任务将阻塞与资源密集的窗口子任务一样多的资源。通过槽共享，将示例中的基本并行度从 2 增加到 6，可以充分利用槽资源，同时确保繁重的子任务在 TaskManager 之间公平分配。
