first 我在独立模式下运行！
我一直在尝试找到任何配置，但我没有找到任何配置。
在火花中，有一些配置可让您限制每个从属中要使用的CPU的数量：
- spark_worker_cores(Worker配置(
- spark.executor.cores(群集配置(
但是，在flink中，您只需设置使用Maximun内存以及任务插槽的数量(仅将内存划分(如官方文档中所述：
- taskManager.numberoftaskslots：单个任务管理器可以运行的并行操作员或用户函数实例的数量(默认：默认： 1(。如果此值大于1，则单个任务管理器采用 功能或操作员的多个实例。这样， Taskmanager可以使用多个CPU内核，但同时 可用的内存分为不同的操作员或功能 实例。该值通常与数量成正比 Taskmanager机器具有的物理CPU内核(例如 内核的数量，或核心数的一半(。
，这里更专注于我的问题：
每个任务插槽代表固定的资源子集 任务管理器。例如，一个带有三个插槽的任务管理员将 将其托管内存的1/3分配给每个插槽。插入 资源意味着子任务不会与来自子任务的子任务竞争 其他用于托管内存的工作，但有一定数量的 保留的托管内存。请注意，这里没有CPU隔离。 当前插槽仅分开任务的托管内存。
谢谢！
我正在寻找相同的问题。在我的理解中，没有配置将设置每个插槽的CPU数。设置插槽数将在插槽之间划分存储器，以减少每个插槽的内存。我最好的猜测是将插槽的数量设置为1，并将CPU可用于在容器中运行的任务管理器进程(可能是Docker(。您可以通过增加任务管理人员的数字来实现相同的并行性。
认为这是在Flink配置文档中：https://ci.apache.org/projects/flink/flink/flink-docs-stable/ops/config.html#yarn
yarn.containers.vcores -1
每个纱线容器的虚拟内核数(VCORS(的数量。默认情况下，vCores的数量设置为每个TaskManager(如果设置(或1到1的插槽数。为了使用此参数，您的群集必须启用CPU计划。您可以通过设置org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.fair.fair.fair.fairscheduler。
David在上面是正确的 - 但其原因是因为这种设置，我认为这更紧密地回答了操作问题。因此，如果离开默认值，调整任务插槽的数量将调整内核数。