flink并行度设置问题

目前flink用的版本是社区版1.7.2，hadoop版本是2.8.5,采用flink on yarn ha部署，服务启动采用 run a job on yarn

现在简单流程是，从kafka读取数据，然后window时间窗口聚合（假如5秒钟窗口，形成一个list数据，然后输出），然后写入db

1.每个算子的并行度是不是设置一样比较好？ 2.读取kafka算子的并发度，理论上上设置于topic的分区一致，假设topic是8个分区，并发度设置8最好 ，是不是这样能最大化性能 3.同第二点，现在发现读取kafka的速度真的非常快，往往瓶颈在后面，现在瓶颈就在window时间窗口聚合算子上， 假设调小读取kafka数据的并发度，假如调成4，背压还会体现在读取kafka数据这个算子上，是不是读取kafka只能设置成1了？ 窗口的聚合算子不管怎么调大，都会反压到读取kafka数据的算子，请问是哪边有什么问题吗？ 4.现在窗口聚合的分组的key是自定义的，选取唯一ID，通过hash对并行度求模，然后取绝对值 拆分开看，只有读取kafka数据，窗口合并两个算子，并发度会很大 加入入DB的算子，并发度就大幅降低，但是拆个窗口聚合的背压一点都没有，背压还是体现在读取kafka数据算子上，请问是什么原因 5.上述的自定义分组key是否有什么问题？从监控页面观察到，现在窗口聚合的slot没有完全使用掉，假设设置8个并行度，实际只有6个子任务在处理数据， 有2个子任务永远没有获取到数据，而且有另外两个子任务数据是其他的两倍*来自志愿者整理的flink邮件归档