一、线程池配置@Configuration
@EnableAsync
public class ExecutorConfig {
private static final Logger logger = LoggerFactory.getLogger(ExecutorConfig.class);
@Value("${async.executor.thread.core_pool
spark 并行处理by Hari Santanam 通过Hari Santanam (How to use Spark clusters for parallel processing Big Data)(Use Apache Spark’s Resilient Distributed Dataset (RDD) with Databricks)Due to physical limitatio
TaskManager和TaskManagerPolicy
这两个类主要是对Task的策略进行管理，主要管理的属性包括：最少处理Task的处理器个数、理想处理Task的处理器个数、理想的处理线程数及优先级几个属性。
在Task中使用TaskManager非常简单，只要在创建Task时将manager传入构造函数中即可。如下例所示：
var manager = new
1.flink程序总的消费线程是如何找见消费的对应kafka分区的？
核心代码如下：
public static int assign(KafkaTopicPartition partition, int numParallelSubtasks) {
int startIndex =
((partition.getTopic().hashCode() * 31) & 0x7FFFFFFF)
