Flink TM、subTask、JVM、算子链、slot、slot组的关系1.TaskManager与JVM Task

TaskManager是根据Flink集群分配的，本地测试LocalExecutionEnvironment默认只会产生一个TaskManager。
一个TaskManager对应一个JVM，不同的TaskManger是不同的JVM，完全隔离。（同一个JVM的静态变量会共享）
- 同一JVM内的资源（静态变量、类加载器、数据库连接池等）可被所有Subtask共享；
- 不同JVM间无任何内存共享，需通过Flink分布式状态（如RocksDB）或外部存储（如Redis）传递数据。

算子链（Operator Chain）的形成需满足以下
- 两个算子的并行度相同
- 后一个算子的输入仅来自前一个算子（无其他上游算子）；
- 两个算子处于同一 Slot 共享组（默认都是default组）；
- 前一个算子到后一个算子的连接无重分区操作（如keyBy、rebalance、shuffle等会打破算子链，forward连接则允许）。

一个TaskManager下会有多个slot，这些slot是可以共享TaskManager内存的（数据结构、对象、变量等）。但每个Slot也有自己独立的执行上下文和一定的资源隔离，并不是完全无限制地共享所有内存。
slot是TaskManager中用于并行执行任务的资源单位，每个slot可以运行一个|多个任务
subtask与Slot的关系：
- subtask是“算子的并行执行实例”（如并行度3的Map算子对应3个MapSubtask），subTask本质是一个Java对象；
- subtask运行在Slot上，一个Slot可运行多个subtask（需满足：① 来自同一作业；② 处于同一Slot共享组；③ 无资源配额冲突）；
- 核心对应关系：当前算子的Subtask数量 = 该算子的并行度。
Slot 是 TM 的 “资源切片”，其 “资源隔离” 并非 “内存完全隔离”，而是 “资源配额隔离”：
- 共享的资源：TM 的 JVM 堆内存、堆外内存、类加载器、静态资源（如数据库连接池实例）；
- 隔离的资源：Flink 通过配置为每个 Slot 分配固定的内存配额（如taskmanager.memory.task.heap.size）、CPU 权重，避免单个 Slot 耗尽 TM 的全部资源。

slot组是逻辑隔离机制，通过算子.slotSharingGroup("group-name")指定，目的是将高负载算在单独放在一个组内，避免被其他算子抢占资源。
调度规则：不同Slot组的任务必须分配到独立的Slot；同一Slot组的任务可共享Slot（默认default组，实现资源复用）。
内存共享的核心依据是是否属于同一个TaskManager
- 同一 TM 内的所有 Slot（无论是否同组）：共享 TM 的 JVM 内存（如静态变量、共享对象）；
- 不同 TM 的 Slot（无论是否同组）：不共享内存（JVM 隔离）。
不同slot组的，但在同一个TaskManager下的slot之间，共享变量的规则如下：
- 如果Map是全局静态变量，那么在同一个TaskManager下的所有slot都可以访问和修改
- 如果Map是在 TaskManager 的初始化阶段open()创建且被所有 Slot 共享，那么不同 Slot 组的 Slot 也可以共享这个Map
- 如果Map是在每个 Slot 内部单独创建的，那么不同 Slot 组的 Slot 各自拥有独立的Map实例，它们之间不会共享.