大佬们，请教，pyflink pandas udf如何提高并行度

我目前尝试使用pyflink做离线处理，flink版本是1.14.6。逻辑里用到了pyflink特有的函数pandas udf,了解到这是个批处理调用的函数，通过python.fn-execution.arrow.batch.size可以控制进入函数pd.Dataframe的数据量，这个我已经通过本地应用验证的确生效，但是我设置了这些参数，将作业提交到集群上执行，通过yarn per job的形式提交。

可以在执行图上看到pandas的调用作业并行度是1而后续的作业并行度是1000，所以-p 1000是生效的。提交指令如下

flink run -yd -m yarn-cluster \
-ys 8 -p 1000 - yjm 4G - ytm 8G \
-ynm app_pf \
-yD yarn.taskmanager.env.JAVA_HOME=/usr/java8/jdk \
-yD containerized.master.env.JAVA_HOME=/usr/java8/jdk \
-yD containerized.taskmanager.env.JAVA_HOME=/usr/java8/jdk \
-pyarch venv.zip \
-pyexec venv.zip/venv/bin/python \
-pyclientexec venv.zip/venv/bin/python \
-py /opt/modules/packages/scripts/app_pf.py

而且由于是用的table API,用的map算子调用pandas udf，并不能直接设置并行度。只能这样全局设置或者在代码里写死，这个效果应该是一样的。所以请教各位开发者，我该怎么提高pandas udf处理逻辑的并行度。

此外，我使用的是Hive的catalog数据源，使用这个pandas udf前面的逻辑几乎不能有任何其他处理，包括取数的SQL逻辑，SQL嵌套结构、查询字段语句有函数操作（if语句），只要有逻辑，都会报两个奇葩的错误。takes 1 positional argument but x were given,这个x是map算子输入数据table对象的字段个数。或者某一列不存在，这一列通常是做了函数操作，当数据量小的时候（1w以下）as（a as b） 的逻辑可以运行，数据量大的时候，as的操作也会报错某一列不存在。