壓測合理並行度的方法：

①獲得高峰期的qps，如每秒5w條

②消費該高峰期的資料，達到反壓狀態後檢視每秒處理的資料量y，就是單並行度的處理上限

③x除以y，增加一點富餘： 乘以1.2，就是合理的並行度。     

在flink中，設定並行度的地方有：

①配置檔案  ②提交任務時的引數 ③程式碼env  ④程式碼運算元

案例：

提交一個flink程式，內容是計算uv，設定並行度為5

測試時記得關閉chain來看到每一個運算元的情況  ： env.disableOperatorChaining();

在flink ui介面檢視整個DAG圖，看到明顯產生了反壓情況(資料處理速度達到100%)

接著檢視source的情況：

 點選subtask，因為並行度是5，可以看到5個task(ID為0-4)的資料接收量和傳送量(流量大小和條數)，因為是source端，所以接收都是0 。

從下圖看到ID為0的task傳送量已經達到了35MB，共有62w條。這是總共的，我們要檢視每秒的量

開啟metric輸入persecond搜尋：

從下圖中我們可以看到ID為4的子任務每秒傳送的量在7000+

 可以看到幾個task的傳送量都差不多，由此可見單並行度的處理能力為7000條，假設該業務高峰期時每秒產生的資料量(qps)為7w，

所以7/0.7*1.2, 該業務合理的並行度為12