首先 I am running on Standalone mode ！
我一直试图找到任何配置，但我还没有找到任何关于此的内容 .
在Spark中，有一些配置允许您限制每个从站中使用的CPU数量：
-
SPARK_WORKER_CORES（ Worker 配置）
-
spark.executor.cores（群集配置）
但是在Flink中你可以设置要使用的最大内存和任务槽的数量（它只是划分内存），如上所述in the official documentation：
taskmanager.numberOfTaskSlots：单个TaskManager可以运行的并行操作符或用户函数实例的数量（默认值：1） . 如果此值大于1，则单个TaskManager将获取函数或运算符的多个实例 . 这样，TaskManager可以使用多个CPU内核，但同时，可用内存在不同的操作员或功能实例之间划分 . 该值通常与TaskManager的机器具有的物理CPU核心数成比例（例如，等于核的数量，或核的数量的一半） .
并且here more focused在我的问题上：
每个任务槽代表TaskManager的固定资源子集 . 例如，具有三个插槽的TaskManager将其1/3的托管内存专用于每个插槽 . 切换资源意味着子任务不会与来自其他作业的子任务竞争托管内存，而是具有一定量的保留托管内存 . 请注意，这里没有CPU隔离;当前插槽只分离任务的托管内存 .
谢谢！！
1 回答
我在寻找同样的问题 . 根据我的理解，没有配置可以设置每个插槽的CPU数量 . 设置插槽数将在插槽之间划分内存，从而减少每个插槽的内存 . 我最好的猜测是将插槽数设置为1，并使CPU可用于在容器中运行的任务管理器进程（可能是docker） . 您可以通过增加任务管理器的数量来实现相同的并行性 .