我测试以固定节点3作为flink客户端提交任务，发现这一台的内存使用占比很高，感觉资源消耗没有均分到

资源消耗在Flink集群中分配不均衡可能有多种原因。以下是一些可能导致特定节点内存使用占比高的原因：

1. 任务调度策略：Flink使用任务调度器来将任务分发到集群中的各个任务管理器（Task Manager）。如果您的任务调度策略没有进行良好的配置，可能会导致任务倾斜，即某些任务在特定节点上运行得更多，从而导致该节点的资源使用情况不平衡。您可以检查任务调度策略的配置，例如并行度、slot分配等，以确保任务能够均匀地分布在集群中。

2. 节点配置不一致：如果集群中的节点配置不一致，例如某些节点具有更大的内存容量或其他资源，那么在任务分配时可能会导致资源不均衡。请确保集群中的所有节点具有相似的硬件配置和资源限制，以便任务能够均匀地分布。

3. 数据倾斜：如果您的应用程序处理的数据存在倾斜现象，即某些键或数据分布不均匀，可能会导致部分任务负载过重。这可能会导致内存使用不均衡，因为某些任务需要处理更多的数据。您可以尝试通过数据重分区、键改写或其他方法来解决数据倾斜问题。

4. 资源调度框架配置：如果您在Flink集群上使用了资源调度框架（例如Apache Mesos、Kubernetes等），则可能需要检查和调整相关的配置。不同的资源调度框架对任务的资源分配和节点选择具有不同的策略，可能会导致资源分配不均衡的情况。

为了解决资源消耗不均衡的问题，您可以尝试以下几个步骤：

1. 检查任务的并行度设置，确保任务能够充分利用整个集群的资源，并平均分配到各个节点。

2. 检查任务调度策略的配置，例如slot分配策略、资源共享等，确保任务能够均匀地分布在集群中。

3. 进行数据分析，找出是否存在数据倾斜的情况，并采取相应的优化措施，例如数据重分区、键改写等。

4. 如果使用了资源调度框架，检查和调整相关的配置，以确保合理的资源分配和节点选择。

5. 监控和调整集群的硬件配置，确保集群中的所有节点具有相似的硬件规格和资源限制。

如果问题仍然存在，您可能需要深入分析具体的任务和应用程序配置，并根据实际情况进行调整和优化。