请描述 Apache Flink 中 TaskManager 与 JobManager 的职责划分及二者在作业提交、任务调度、状态管理和故障恢复等环节的协作机制，并讨论在资源配置、并行度设置、网络缓冲和内存管理等维度上分别有哪些性能优化策略？

回答思路

1. 【回答框架 1】JobManager 是 Flink 集群的协调者，负责作业的调度、检查点协调、故障恢复以及集群资源管理；TaskManager 是工作节点，负责执行任务（Task）、管理本地内存和网络缓冲，并向 JobManager 报告状态和心跳。
2. 【回答框架 2】协作机制：客户端提交作业后，JobManager 生成执行图，并将任务分发给各 TaskManager；TaskManager 通过 Slot 提供计算资源，JobManager 根据 Slot 情况分配任务；任务执行过程中，TaskManager 通过心跳保持连接，定期汇报状态；检查点协调由 JobManager 发起，TaskManager 执行快照并上报；故障时 JobManager 根据快照重启失败任务。
3. 【回答框架 3】性能优化方面：JobManager 侧可调整 jobmanager.memory.process.size 等内存参数，增加堆内存和堆外内存，提升调度和状态管理能力；使用高可用配置避免 JobManager 单点瓶颈。
4. 【回答框架 4】TaskManager 侧：合理设置 taskmanager.numberOfTaskSlots 和并行度，使任务分布均匀；调整 taskmanager.memory.process.size、托管内存占比和网络缓冲（如 taskmanager.memory.network.min/max），减少内存溢出和网络反压；使用异步 I/O、状态后端优化（如 RocksDB）提升状态访问性能。
5. 【回答框架 5】集群层面：根据资源上限和延迟目标估算并行度，并通过压测确定最优配置；关注反压现象，通过监控指标定位瓶颈并调整任务链或资源分配。
6. 【关键点 1】JobManager 负责调度、检查点和恢复，TaskManager 负责执行任务和资源管理。
7. 【关键点 2】Slot 是资源分配单位，并行度受 Slot 数量限制。
8. 【关键点 3】优化方向包括内存配置、并行度设置、网络缓冲大小和状态后端选择。
9. 【关键点 4】高可用部署可避免 JobManager 单点故障。
10. 【关键点 5】最终性能参数需以实际压测结果为准。
11. 【易错点 1】避免将 Slot 数量直接等同于并行度，两者关系需结合任务需求调整，过度设置会增加上下文切换开销。
12. 【易错点 2】内存配置过高可能导致系统资源不足，需综合考虑集群整体资源。
13. 【易错点 3】忽略反压可能导致背压传播和性能下降，监控和调整网络缓冲是关键。