diff --git a/README.md b/README.md
index a7ad146..a574dd5 100644
--- a/README.md
+++ b/README.md
@@ -1,8 +1,8 @@
 
 # 简介
 
-<p align="center"><a title="小令童鞋" target="_blank" href="https://github.com/zeekling/flink_book"><img src="https://img.shields.io/github/last-commit/zeekling/redis_book.svg?style=flat-square&color=FF9900"></a>
-<a title="GitHub repo size in bytes" target="_blank" href="https://github.com/zeekling/redis_book"><img src="https://img.shields.io/github/repo-size/zeekling/redis_book.svg?style=flat-square"></a>
+<p align="center"><a title="flink book" target="_blank" href="https://github.com/zeekling/flink_book"><img src="https://img.shields.io/github/last-commit/zeekling/flink_book.svg?style=flat-square&color=FF9900"></a>
+<a title="GitHub repo size in bytes" target="_blank" href="https://github.com/zeekling/flink_book"><img src="https://img.shields.io/github/repo-size/zeekling/flink_book.svg?style=flat-square"></a>
 <a title="Hits" target="_blank" href="https://github.com/zeekling/hits"><img src="https://hits.b3log.org/zeekling/flink_book.svg"></a></p>
 
 本项目用于学习Flink所做的笔记，便于以后查看复习。此项目适合我这种虽然比较菜，且爱学习的人学习。
@@ -11,6 +11,7 @@
 
 - [内存等资源调优](./调优/Resource.md)
 - [状态和CheckPoint 调优](./调优/CheckPoint.md)
-- Flink SQL 调优
+- [如何分析及处理 Flink 反压](./调优/backpress.md)
+- [Flink SQL 调优]()
 
 
diff --git a/调优/backpress.md b/调优/backpress.md
index f13ae82..e0824f5 100644
--- a/调优/backpress.md
+++ b/调优/backpress.md
@@ -1,5 +1,20 @@
 
 <a title="Hits" target="_blank" href="https://github.com/zeekling/hits"><img src="https://hits.b3log.org/zeekling/flink_book.svg"></a>
 
+# 简介
+
+反压（backpressure）是实时计算应用开发中，特别是流式计算中，十分常见的问题。反压意味着数据管道中某个节点成为
+瓶颈，处理速率跟不上上游发送数据的速率，而需要对上游进行限速。由于实时计算应用通常使用消息队列来进行生产端和
+消费端的解耦，消费端数据源是 pull-based 的，所以反压通常是从某个节点传导至数据源并降低数据源（比如 Kafka 
+consumer）的摄入速率。
+
+简单来说，Flink 拓扑中每个节点（Task）间的数据都以阻塞队列的方式传输，下游来不及消费导致队列被占满后，上游的
+生产也会被阻塞，最终导致数据源的摄入被阻塞。
+
+## 反压的影响
+
+反压并不会直接影响作业的可用性，它表明作业处于亚健康的状态，有潜在的性能瓶颈并可能导致更大的数据处理延迟。通
+常来说，对于一些对延迟要求不太高或者数据量比较小的应用来说，反压的影响可能并不明显，然而对于规模比较大的 
+Flink 作业来说反压可能会导致严重的问题。