1.JVM：
<1>元空间 (JVM Metaspace)：256M，从JDK 8开始，JVM把永久代拿掉了。类的一些元数据放在叫做Metaspace的Native Memory中。在Flink中的JVM Metaspace Memory也一样，它配置的是Task Manager JVM的元空间内存大小。
作用：存储类的元数据(如类名、方法、变量等)、动态加载UDF函数、运行时常量池
<2>JVM执行开销 (JVM Overhead)；保留给JVM其他的内存开销。例如：Thread Stack、code cache、GC回收空间等等。和Network Memory的配置方法类似。它也由三个配置(两种方式)决定：
一：按固定大小
taskmanager.memory.jvm-overhead.min：默认为192MB，
taskmanager.memory.jvm-overhead.max：默认为1GB
二：按比例 是进程内存TPM的占比
taskmanager.memory.jvm-overhead.fraction：默认为0.1。
2.Flink内存(Total Flink Memory)：进程内存(Total Process Memory) - JVM
(1)堆内 (JVM Heap)
<1>框架内存 (Framework Heap)：固定128M
<2>Task堆内存 (Task Heap)：不直接指定（flink内存剩余的所有内存）这个参数的默认为：Total Flink Memory – Framework Heap – Task off-heap memory – Managed Memory – Network Memory。他是Task Executor的执行内存，就是你的处理代码逻辑所能用到的内存
(2)堆外内存 (Off-Heap Memory)
<1>托管内存 (Managed Memory)：默认是Flink内存*0.4 它主要用于开窗、排序、哈希表、中间结果缓存(状态)、RocksDB的backend。其实它是Task Executor管理的off-heap内存。
<2>框架内存 (Framework Off-Heap)：固定128M
<3>Task堆外内存 (Task Off-Heap)：0B
<4>网络内存 (Network)：默认是Flink内存*0.1
Network Memory使用的是Directory memory，在Task与Task之间进行数据交换时（shuffle），需要将数据缓存下来，缓存能够使用的内存大小就是这个Network Memory。它由是三个参数决定：
taskmanager.memory.network.min：默认为64MB
taskmanager.memory.network.max：默认为1gb
taskmanager.memory.network.fraction：默认为0.1
一种配置按照百分比配，另外一种按照min和max配
以上图为例子：TPM=16G，JVM=1G+256M=1.256G，那么因此，TFM=16-1.256=14.744G
默认的=> MM=TFM * 0.4=5.9G；NET=TFM * 0.1=1.4G；FH=128M；FOH=128M；TOH=0
最终：可用于Task Executor的内存(TH)=TFM-(MM+NET+FH+FOH+TOH)=7.25G
有一个Total Process Memory和一个Total Flink Memory。
(1) Total Process Memory表示整个Task Manager的进程内存，所有这张图的内存加在一块就是Total Process Memory。taskmanager.memory.process.size: 4096m，这个配置就是对Task Manager配置的总使用内存的all in one配置。
(2) Total Flink Memory表示Task Executor消耗的所有内存，也就是除了JVM Metaspace和JVM Overhead其他的加在一起就是Total Flink Memory。其中Task Executor是专门负责执行Flink任务的，可以执行多个任务。通过查看Flink TaskManager的日志，可以说Task Executor这个组件实现了非常重要的一些功能。
Task Manager上资源的分配、任务的执行都是由Task Executor来实现的。而这个Total Flink Memory就表示Task Executor能够使用的内存总量。
补充一点：Flink的集群监控中的TaskManager Memory NonHeap其实是Off-Heap Memory加上JVM的非堆部分(JVM Metaspace和JVM Overhead)
思考：Flink做checkpoint的时候，ckid存在哪里？
