Apache Flink 是一个分布式系统，它需要计算资源来执行应用程序。Flink 集成了所有常见的集群资源管理器，例如Hadoop YARN、Apache Mesos和Kubernetes， Apache Flink 也是基于 JVM 的高效处理能力，我们需对各组件内存的了解，更好的使用内存。
二、Flink 进程内存模型简介Flink JVM 进程总内存（Total Process Memory）：包含了由 Flink 应用使用的内存（Flink 总内存）以及由运行 Flink 的 JVM 使用的内存。
Flink 总内存（Total Flink Memory）：包括 JVM 堆内存（Heap Memory）和堆外内存（Off-Heap Memory）。 其中堆外内存包括直接内存（Direct Memory）和本地内存（Native Memory）。
1、TaskManager、JobManager参数设置
| 配置项 | TaskManager 配置参数 | JobManager 配置参数 |
|---|---|---|
| Flink 总内存 | taskmanager.memory.flink.size | jobmanager.memory.flink.size |
| 进程总内存 | taskmanager.memory.process.size | jobmanager.memory.process.size |
2、Total Flink Memory、Total Process Memory选择简介
1）独立部署模式（Standalone Deployment）：
建议采用Total Flink Memory类型，我们通常更关注 Flink 应用本身使用的内存大小，如果出现内存溢出，直接调整总内存 大小
2） 容器（Container）部署模式：
建议采用Total Process Memory类型， 在容器化部署模式（Kubernetes、Yarn 或 Mesos）下，配置进程总内存(taskmanager.memory.process.size或者jobmanager.memory.process.size)，相当于申请的容器（Container）大小。如果配置了 Flink 总内存，Flink 会自动加上 JVM 相关的内存部分，根据推算出的进程总内存大小申请容器。
注意： 如果 Flink 或者用户代码分配超过容器大小的非托管的堆外（本地）内存，部署环境可能会杀掉超用内存的容器，造成作业执行失败。
3、注意
不建议同时设置进程总内存和 Flink 总内存。 这可能会造成内存配置冲突，从而导致部署失败。 额外配置其他内存部分时，同样需要注意可能产生的配置冲突。
通过设置 Flink 总内存的特定内部组成部分的方式来进行内存配置。参考TaskManager 和 JobManager ，Flink(九)：JobManager 内存简介_zhengcongyi的博客-CSDN博客
Flink(十)：TaskManager 内存简介_zhengcongyi的博客-CSDN博客
