java flink 中 process或者 flatmap 设置并行度，设置只有1个并行度

在 Apache Flink 中，ProcessFunction 或 FlatMapFunction 本身的实现不能直接限制并行度。但您可以通过以下两种方式控制算子（包括 process 或 flatMap）的并行度：

---

方法 1：为算子单独设置并行度（推荐）

在调用算子时，通过 .setParallelism(1) 显式指定该算子的并行度为 1：

DataStream<String> input = ...;

// 对 flatMap 算子设置并行度 1
DataStream<String> result = input
    .flatMap(new MyFlatMapFunction())
    .setParallelism(1); // 关键设置

// 对 process 算子设置并行度 1
DataStream<String> processed = result
    .process(new MyProcessFunction())
    .setParallelism(1); // 关键设置

---

方法 2：设置全局并行度为 1

通过执行环境设置整个作业的默认并行度为 1（慎用，会影响所有算子）：

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1); // 所有算子默认并行度=1

// 后续算子的并行度自动为1
input.flatMap(...); 
input.process(...);

---

关键注意事项：

1. 并行度属于算子级别
   并行度是算子（如 flatMap、process）的属性，而非函数（如 FlatMapFunction）的属性。需要在算子调用链中显式设置。

2. KeyedStream 的特殊性
   若算子作用在 KeyedStream 上（如 keyBy().process()），设置并行度为 1 会导致所有数据由单个任务处理，但数据仍会按 Key 分组（只是所有 Key 由同一个任务处理）。

3. 性能影响
   将并行度设为 1 会使该算子成为单点瓶颈，需谨慎评估是否必要（如测试、有状态算子需单线程等场景）。

---

完整代码示例

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

DataStream<String> input = env.socketTextStream("localhost", 9999);

// 示例1：设置 flatMap 的并行度为1
DataStream<String> words = input
    .flatMap((String line, Collector<String> out) -> {
        for (String word : line.split(" ")) {
            out.collect(word);
        }
    })
    .returns(Types.STRING)
    .setParallelism(1); // 限制为单线程

// 示例2：设置 process 的并行度为1
DataStream<Tuple2<String, Integer>> wordCounts = words
    .keyBy(word -> word)
    .process(new KeyedProcessFunction<String, String, Tuple2<String, Integer>>() {
        @Override
        public void processElement(String word, Context ctx, Collector<Tuple2<String, Integer>> out) {
            // 处理逻辑
            out.collect(new Tuple2<>(word, 1));
        }
    })
    .setParallelism(1); // 限制为单线程

wordCounts.print();
env.execute("Single Parallelism Example");

---

总结：

方法	作用范围	推荐度
.setParallelism(1)	仅当前算子	★★★★★
env.setParallelism(1)	整个作业	★★☆☆☆

推荐优先使用算子级别的 setParallelism(1)，避免影响作业其他部分的性能扩展能力。