实时任务资源自定义，即指实时计算Flink配置细粒度资源的专家模式 （BETA），Flink全托管引入的全新的资源配置模式，支持对作业所使用的资源进行细粒度的资源控制，以满足作业吞吐的要求。系统会自动根据您配置的资源需求，以Native K8s的模式运行作业，TM的规格和个数将会根据Slot的规格和作业并发度，由系统自动决定。本文将介绍如何在Dataphin自定义Alibaba Blink实时任务的资源。
Alibaba Blink资源自定义配置入口
在Dataphin首页，单击顶部菜单栏研发，进入数据开发页面。
在数据开发页面，按照下图操作指引，进入BLINK_SQL任务的自定义资源配置页面。
配置说明
在资源配置页面，为您展示一张拓扑图，图中每个方框代表了一个计算任务，都可以进行独立配置。每个Group代表着Group内部的节点可以存放在一台机器进行计算，可以有效避免数据的网络传播，提升性能。
系统默认为您展示系统推荐的资源配置。
配置Group执行参数
单击需要配置资源的Group右上角的
后，在自定义配置Group执行参数对话框配置参数。
参数
描述
core
通常，core配置成0.25。即一个CPU可以支持4个线程同时运算，因此core的取值不能超过1。
heap_memory
单位为MB，heap_memory是堆内存，供Java应用程序使用的内存。
heap_memory及其内部各组成的大小可以通过JVM的一系列命令行参数来控制，在一般的blink程序中，都会需要一定的heap_memory开销，例如申请一定的heap_memory作为程序的缓存等，因此您可以按程序的规模来设置其大小。
parallel
表示同时并发的线程数量，您可以选择合适的数量来运行自己的任务。并不是越大越好，越大代表你资源申请的越多，反而对性能有抑制。通常，一个简单计算节点每秒可以处理2000~4000条之间的数据。
重要如果源头是tt，tt的queue大小决定了parallel的上限，不能超过这个数字，否则程序将报错。
direct_memory
单位为MB，direct_memory并不是虚拟机运行时数据区的一部分，也不是Java虚拟机规范中定义的内存区域。但是这部分内存也被频繁的使用，而且也可能导致OutOfMemoryError异常出现。如果您的程序有使用igraph或者swift，可以适当配置其大小，如16-32MB。
在java NIO（New Input/Output）类，引入了一种基于通道（Channel）与缓冲区（Buffer）的I/O方式，direct_memory可以使用Native函数库直接分配堆外内存，然后同一个存储在Java堆中的DirectByteBuffer对象作为这块内存的引用进行操作。这样能在一场场景中显著提高性能，因为避免了在Java堆和Native堆中来回复制数据。
native_memory
单位为MB，native_memory没有相应的参数来控制大小，其大小依赖于操作系统进程的最大值（对于32位系统就是3~4G，各种系统的实现并不一样），以及生成的Java字节码大小、创建的线程数量、维持Java对象的状态信息大小（用于GC）以及一些第三方的包。
native memory存放下面4种信息：
管理Java heap的状态数据（用于GC）。
JNI调用，也就是Native Stack。
JIT（即使编译器）编译时使用native memory，并且JIT的输入（Java字节码）和输出（可执行代码）也都是保存在native memory。
NIO direct buffer。
完成参数配置后，单击确定。
配置Operator执行参数
按照下图操作指引，进入自定义配置Operator执行参数对话框并配置参数。
自定义配置Operator执行参数对话框中core、heap_memory、parallel、direct_memory和native_memory参数说明，请参见配置Group执行参数，下表仅对state_size、chain_strategy参数进行说明。
参数
描述
state_size
作业执行过程中所使用的状态数据的大小，通常默认为0。
chain_strategy
chain_strategy用于定义多个节点的链接策略，Dataphin支持的链接策略包括：
Always：默认参数，即和其他节点均部署在一台机器上，没有特殊要求。
Never：节点不会和其他节点放在一台机器上，即需要独立部署。
Head：可以接受和其他节点放在一台机器上，但是只能作为Group的头节点。
重要因Head和Never极少出现，通常默认为Alway。
完成参数配置后，单击确定。