修改内存模型

调优/Resource.md

@@ -18,7 +18,7 @@ Flink使用了堆上内存和堆外内存。
 框架堆外内存、Task堆外内存、网络缓冲内存都在堆外的直接内存里面。
 
 - 管理内存：Flink堆外内存的管理，用于管理排序，hash表，缓冲中间结果以及RocksDb 状态后端的本地内存。
-- JVM特有内存：JVM本身占用的内存，包括元数据和执行开销，
+- JVM特有内存：JVM本身占用的内存，包括元数据和执行开销。
 
 
 Flink 使用内存 = 框架堆内和堆外内存 + Task堆内和堆外内存 + 网络缓冲内存 + 管理内存。
@@ -66,11 +66,12 @@ Task执行用户代码所使用的内存。
 
 ` Flink内存*fraction `,如果小于配置的min或者大于配置的max大小，则使用min/max
 
-### 托管内存
+### 管理内存
 
 用于RocksDB 状态后端的本地内存和批的排序、hash、缓冲中间结果。
 
-堆外：
+***堆外***：
+
 `taskmanager.memory.managed.fraction`,默认0.4。
 
 `taskmanager.memory.managed.size` ，默认为none。
@@ -88,31 +89,33 @@ Task执行用户代码所使用的内存。
 # 并行度设置
 并行度的设置和具体的作业强关联。
 
-## 全局并行度
 
+## 并行度设置
 
-### 并行度设置：
+- **flink-conf.yml设置**
 
-1. flink-conf.yml 设置
 在我们提交一个Job的时候如果没有考虑并行度的话，那么Flink会使用默认配置文件中的并行度。配置如下：
 ```conf 
 parallelism.default: 5
 ```
-2. env级别
+- **env级别**
-env的级别就是Environment级别。也就是通过Execution Environment来设置整体的Job并行度。
+
+env的级别就是`Environment` 级别。也就是通过`ExecutionEnvironment` 来设置整体的Job并行度。
 
 ```java
 val env = Stream...
 env.setParallelism(5);
 ```
-3. 客户端级别
+- **客户端级别**
+
 如果在执行Job时候，发现代码中没有设置并行度而又不修改配置文件的话，可以通过Client来设置Job的并行度。
 ```bash 
 ./bin/flink run -p 5 ../wordCount-java*.jar 
 ```
--p即设置WordCount的Job并行度为5。
+-p 即设置WordCount的Job并行度为5。
+
+- **算子级别**
 
-4. 算子级别
 我们在编写Flink项目时,可能对于不同的Operator设置不同的并行度，例如为了实现读取Kafka的最高效
 读取需要参考Kafka的partition的数量对并行度进行设置，在Sink时需要对于Sink的介质设置不同的并行
 度。这样就会存在一个Job需要有多个并行度。这样就需要用到算子级别的并行度设置:
@@ -125,7 +128,7 @@ text.keyBy(XXX)
     .addSink(XXXXX).setParallelism(1) //写入数据库时候设置为1
 ```
 
-从优先级上来看:  算子级别 > env级别 > Client级别 > 系统默认级别
+从优先级上来看:  **算子级别 > env级别 > Client级别 > 系统默认级别**
 
 并行度的高级别会覆盖低级别的配置。例如在算子中设置的策略会覆盖配置文件中的parallelism。