flink中yarn 3.1.1版本使用UseParallelGC，flink 1.17.0版本使？

Flink 中 YARN 3.1.1 版本使用 UseParallelGC，Flink 1.17.0 版本使用 UseParallelGC，发现 YARN 的容器资源回收特别慢，可能是由以下原因导致的：

• UseParallelGC 是一种并行垃圾回收器，它会在多个 CPU 核心上同时执行垃圾回收，以提高吞吐量和减少停顿时间。但是，UseParallelGC 也有一些缺点，比如它会占用更多的内存空间，以及它会在 Full GC 时触发 Stop-The-World 暂停所有的应用线程。
• YARN 的容器资源回收是由 NodeManager 负责的，它会定期检查每个容器的内存和 CPU 使用情况，并根据配置的阈值和策略决定是否回收容器。但是，YARN 的容器资源回收也有一些限制和问题，比如它只能检测到物理内存的使用情况，而不能检测到虚拟内存的使用情况。
• Flink 的 TaskManager 资源释放是由 ResourceManager 负责的，它会根据 Flink 应用的状态和需求，动态地调整 TaskManager 的数量和规模 。但是，Flink 的 TaskManager 资源释放也有一些延迟和开销，比如它需要等待 TaskManager 上的任务完成或取消，以及它需要与 YARN 协商释放资源 。

综合以上原因，你可能会遇到以下几种情况：

• 当你的 Flink 应用并发量比较大时，可能会导致 TaskManager 上的内存和 CPU 压力增大，从而触发 UseParallelGC 的频繁垃圾回收或者 Full GC。这样会导致 TaskManager 的性能下降，以及 Flink Web 特别卡或者打不开。
• 当你的 Flink 应用结束或者缩容时，可能会导致 ResourceManager 请求释放部分或全部 TaskManager 的资源 。这样会导致 NodeManager 检测到容器的内存使用情况低于阈值，并尝试回收容器。
• 但是，由于 UseParallelGC 占用了较多的虚拟内存空间，并且 NodeManager 无法检测到虚拟内存的使用情况。因此，NodeManager 可能会误认为容器仍然在运行，并不立即回收容器。
• 这样就会导致 YARN 的容器资源回收特别慢，并且影响后续 Flink 应用的启动或者扩容。

为了解决这些问题，你可以尝试以下方法：

• 调整你的 Flink 应用的并发度和资源配置，使之适应你的数据量和处理逻辑 。你可以使用 Flink Web UI 或者 REST API 来监控你的 Flink 应用的运行状况和性能指标 。
• 调整你的 Flink 应用的垃圾回收器参数，使之适应你的内存需求和压力。你可以使用 -XX:+UseG1GC 或者 -XX:+UseShenandoahGC 来替换 -XX:+UseParallelGC，以减少内存占用和停顿时间。
• 调整你的 YARN 的容器资源回收参数，使之适应你的 Flink 应用的资源释放。你可以设置 yarn.nodemanager.vmem-check-enabled 为 false，以关闭虚拟内存的检测，或者设置 yarn.nodemanager.pmem-check-enabled 为 false，以关闭物理内存的检测。