即時任務資源自訂，即指Realtime ComputeFlink配置細粒度資源的專家模式 （BETA），Flink全託管引入的全新的資源配置模式，支援對作業所使用的資源進行細粒度的資源控制，以滿足作業吞吐的要求。系統會自動根據您配置的資源需求，以Native K8s的模式運行作業，TM的規格和個數將會根據Slot的規格和作業並發度，由系統自動決定。本文將介紹如何在Dataphin自訂Alibaba Blink即時任務的資源。
Alibaba Blink資源自訂配置入口
在Dataphin首頁，單擊頂部功能表列研發，進入資料開發頁面。
在資料開發頁面，按照下圖操作指引，進入BLINK_SQL任務的自訂資源配置頁面。
配置說明
在資源配置頁面，為您展示一張拓撲圖，圖中每個方框代表了一個計算任務，都可以進行獨立配置。每個Group代表著Group內部的節點可以存放在一台機器進行計算，可以有效避免資料的網路傳播，提升效能。
系統預設為您展示系統推薦的資源配置。
配置Group執行參數
單擊需要配置資源的Group右上方的
後，在自訂配置Group執行參數對話方塊配置參數。
參數
描述
core
通常，core配置成0.25。即一個CPU可以支援4個線程同時運算，因此core的取值不能超過1。
heap_memory
單位為MB，heap_memory是堆記憶體，供Java應用程式使用的記憶體。
heap_memory及其內部各組成的大小可以通過JVM的一系列命令列參數來控制，在一般的blink程式中，都會需要一定的heap_memory開銷，例如申請一定的heap_memory作為程式的緩衝等，因此您可以按程式的規模來設定其大小。
parallel
表示同時並發的線程數量，您可以選擇合適的數量來運行自己的任務。並不是越大越好，越大代表你資源申請的越多，反而對效能有抑制。通常，一個簡單計算節點每秒可以處理2000~4000條之間的資料。
重要如果源頭是tt，tt的queue大小決定了parallel的上限，不能超過這個數字，否則程式將報錯。
direct_memory
單位為MB，direct_memory並不是虛擬機器運行時資料區的一部分，也不是Java虛擬機器規範中定義的記憶體地區。但是這部分記憶體也被頻繁的使用，而且也可能導致OutOfMemoryError異常出現。如果您的程式有使用igraph或者swift，可以適當配置其大小，如16-32MB。
在java NIO（New Input/Output）類，引入了一種基於通道（Channel）與緩衝區（Buffer）的I/O方式，direct_memory可以使用Native函數庫直接分配堆外記憶體，然後同一個儲存在Java堆中的DirectByteBuffer對象作為這塊記憶體的引用進行操作。這樣能在一場情境中顯著提高效能，因為避免了在Java堆和Native堆中來回複製資料。
native_memory
單位為MB，native_memory沒有相應的參數來控制大小，其大小依賴於作業系統進程的最大值（對於32位系統就是3~4G，各種系統的實現並不一樣），以及產生的Java位元組碼大小、建立的線程數量、維持Java對象的狀態資訊大小（用於GC）以及一些第三方的包。
native memory存放下面4種資訊：
管理Java heap的狀態資料（用於GC）。
JNI調用，也就是Native Stack。
JIT（即使編譯器）編譯時間使用native memory，並且JIT的輸入（Java位元組碼）和輸出（可執行代碼）也都是儲存在native memory。
NIO direct buffer。
完成參數配置後，單擊確定。
配置Operator執行參數
按照下圖操作指引，進入自訂配置Operator執行參數對話方塊並配置參數。
自訂配置Operator執行參數對話方塊中core、heap_memory、parallel、direct_memory和native_memory參數說明，請參見配置Group執行參數，下表僅對state_size、chain_strategy參數進行說明。
參數
描述
state_size
作業執行過程中所使用的狀態資料的大小，通常預設為0。
chain_strategy
chain_strategy用於定義多個節點的連結策略，Dataphin支援的連結策略包括：
Always：預設參數，即和其他節點均部署在一台機器上，沒有特殊要求。
Never：節點不會和其他節點放在一台機器上，即需要獨立部署。
Head：可以接受和其他節點放在一台機器上，但是只能作為Group的前端節點。
重要因Head和Never極少出現，通常預設為Alway。
完成參數配置後，單擊確定。