1. taskmanger是flink集群中的工作节点，对jobmanager提供服务，负责部署jobGraph，每个taskmanager拥有固定数量的slot（可配，一般默认为cpu的数量）
2. slot是taskmanager持有资源的抽象，taskmanager的slot数量限制着它能接收的job数量。slot只能隔离内存，无法隔离cpu
3. 在flink job中每个算子都有自己的并行度，默认为1。（一个job所能分配到的slot数量） >= （ job中所有算子的最大并行度）。一个job的slot数量 = group1.maxParalism + group2.maxParalism + …. group表示slotgroup
4. 如果job要求的slot数量超过剩余slot数量就会被拒绝
5. 并行度可以直接认为是算子的工作线程的数量。与slot数量结合起来看，并行度越高的算子会导致job能分配到的slot数量越多，其他job在资源总量不变的情况能够分配到slot数越少，变相地限制了其他job的并行度。
6. 假设所有算子运行同样的任务，那么算子本身的CPU占用取决于算子的线程数占taskmanager所有线程的比重（因为所有job的工作线程都在taskmanager这个java进程中）。这样做好处是可以充分利用CPU。如果像K8s那样每个job严格控制用量，那么会造成忙的得不到CPU，闲的不占CPU，导致忙的job性能上不去。
7. slot本身除了能隔离job之间的内存，其用量还可以用来平衡各个算子的cpu占用，但这个平衡是通过线程数量来实现的，无法做到精确的分配，也无法限制总用量。