Parallel processing 一个TaskManager有三个插槽与Apache Flink中三个TaskManager有一个插槽相同吗

据我所知，在Flink中，如果需要，JobManager可以将一个作业分配给多个TaskManager，并使用多个插槽。例如，可以使用五个插槽为一个作业分配三个TaskManager

现在，我执行一个带有三个插槽的TaskManager（TM），分配给3G RAM和一个CPU

这是否完全等同于执行三个TaskManager，共享一个CPU，并将每个TaskManager分配给1G RAM

case 1
---------------
| 3G RAM      |
| one CPU     |
| three slots |
| TM          |
---------------

case 2
--------------------------------------------|
|              one CPU                      |
|  ------------  ------------ ------------  |
|  | 1G RAM   |  | 1G RAM   | | 1G RAM   |  |
|  | one slot |  | one slot | | one slot |  |
|  | TM       |  | TM       | | TM       |  |
|  ------------  ------------ ------------  |
--------------------------------------------|

---

两个方向都存在性能和操作差异

当在非集装箱化环境中运行时，使用RocksDB状态后端，每台机器有一个TM和多个插槽是有意义的。这将使每TM开销最小化。然而，每TM的开销并没有那么大

另一方面，每个TM运行一个插槽提供了一些有用的隔离，并减少了垃圾收集的影响，这与基于堆的状态后端尤其相关

---

对于集装箱化部署，通常建议每个TM使用一个插槽，直到达到某种显著规模，此时您将希望通过每个TM添加更多插槽而不是更多的TM来扩展。问题是检查点协调器需要与每个TM协调（但不是与每个插槽协调），随着TMs的数量达到数百或数千，这可能会成为瓶颈。

不太可能，因为TM占用的JVM内存有开销。。。我猜在cpu里也是。有效的是，你将采取更容易的gc的，而不是大的，我想。