Flink细粒度资源管理下CPU请求是严格执行还是尽力而为？

Flink的细粒度CPU资源请求并非严格强制执行，本质属于「尽力而为」的资源声明——具体的限制能力依赖底层资源管理器或操作系统的支持，Flink自身不提供进程内的CPU硬隔离。

针对你给出的示例场景，具体逻辑如下：

• 当Task Manager被Kubernetes分配4个CPU核心后，Flink的细粒度资源配置只是向资源管理器声明了作业的CPU需求，用来指导调度阶段的资源分配（比如确保作业能拿到对应的slot）。
• 但在运行时，同一Task Manager进程内的两个作业会共享这4个CPU核心，Flink不会主动限制第一个作业只能用3核、第二个只能用1核。如果其中一个作业的任务CPU占用过高，会直接挤压另一个作业的可用CPU资源。

如果需要实现严格的CPU隔离，你需要依赖底层容器化技术：

• 避免将多个作业部署在同一个Task Manager进程中，每个作业单独使用独立的Task Manager实例，通过Kubernetes的resources.limits.cpu配置给每个实例设置CPU硬限制。
• 关闭Flink的slot共享机制，减少同一进程内的资源竞争，但这也无法实现进程内的CPU强制隔离，只是降低了竞争概率。

内容的提问来源于stack exchange，提问作者keezar