一、问题引入
图-1
图-2
问题引入：比较上面两张图，图1中，相同算子操作放在不同的slot中，图2中一个算子操作占用一个slot。
如果flink window操作比较复杂，那么图2中就会出现问题，source操作抽取数据，window操作的slot来不及处理，造成数据堆积，从而导致slot的空闲浪费。解决办法：使用共享slot，一条数据从source -> transformation -> sink都在同一个slot中，当其他slot空闲时，可以共用slot来用于复杂的window计算操作。
二、slot共享组介绍
DataStreamSource<String> dataStreamSource = env.addSource(new TubeSource());
SingleOutputStreamOperator<Object> resultStream = dataStreamSource.flatMap().slotSharingGroup("共享组Flatmap")
.keyBy(0).sum(1).setParallelism(2).slotSharingGroup("共享组sum");
resultStream.print().setParallelism(1);
源码：
@PublicEvolving
public SingleOutputStreamOperator<T> slotSharingGroup(String slotSharingGroup) {
transformation.setSlotSharingGroup(slotSharingGroup);
return this;
}
作用：共享组内的任务共享slot，不同组的任务必须占用不同的slot。
没有设置的时候默认是default共享组，所有任务共享
上述代码中，addSource占用一个slot，flatMap占用一个slot，sum和print共享slot（共享组sum）各占用一个slot，则需要提供4个slot用于计算。
所以现在算并行度方式为：先分slot共享组，3个slot共享组，sum操作和print操作可共享slot，所以sum操作需要的两个slot有一个可以用print操作分配的slot来共享。
