flink 1.10内存合跑standalone cluster吗？

Flink 1.10 对不同的内存类型进行了更精细的控制，明确了总内存中每种类型、用途的内存的大小。举个例子，如果简单考虑 TM 中有 heap, direct, native 三种内存类型，总内存大小是 300mb。在之前的版本中，可能是 heap 固定占用100mb，剩下 direct 和 native 共用 200mb。理论上，direct/native 可以分别占用 200/0, 100/100, 0/200，只要总大小不超过 200 即可。但是一旦出现超用，我们很难判断是 direct 还是 native 内存造成的。在 Flink 1.10 里，对 direct/native 分别用多少也做了明确的划分，这样一旦出现内存不足，就能够知道是哪部分造成的。上述描述是对内存模型做了简化，实际 Flink 考虑的内存类型不只三种，具体可以参考相关文档[1]。

针对你的问题，是 direct 内存不足造成的，在不改变总内存大小的情况下，可以调大 ‘taskmanager.memory.task.off-heap.size’ ，详见[2]。

关于隔离，Flink 中一个 TM 上的多个 slot 是跑在同一个进程中的，由于 JVM 自身的特点，进程内不同线程的内存是没有隔离的。Flink 仅对托管内存（managed memory）[3] 进行了隔离，这部分内存是由 Flink 负责管理申请、分配、释放的，不依赖于 JVM 的垃圾回收机制。托管内存目前仅用于 RocksDBStateBackend 和部分 Batch 算子，与你现在遇到的 direct oom 的问题无关。

[1] https://ci.apache.org/projects/flink/flink-docs-release-1.10/zh/ops/memory/mem_detail.html [2] https://ci.apache.org/projects/flink/flink-docs-release-1.10/zh/ops/memory/mem_trouble.html#outofmemoryerror-direct-buffer-memory [3] https://ci.apache.org/projects/flink/flink-docs-release-1.10/zh/ops/memory/mem_setup.html#%E6%89%98%E7%AE%A1%E5%86%85%E5%AD%98*来自志愿者整理的FLINK邮件归档