优化的话：可以参考下面几点
- GC的配置
（1）调整老年代与新生代的比值 或者 更换垃圾收集器
（2）增加JVM内存 - 数据倾斜
（1）需要重新设计key，以更小粒度的key使得task大小合理化。
（2）当分区导致数据倾斜时，需要考虑优化分区。避免非并行度操作，有些对DataStream的操作会导致无法并行，例如WindowAll。
（3）调用rebalance操作，使数据分区均匀。
（4）自定义分区：使用一个用户自定义的Partitioner对每一个元素选择目标task，由于用户对自己的数据更加熟悉，可以按照某个特征进行分区，从而优化任务执行。
- checkpoint
（1）频率不宜过高
（2）超时时间不要过长，一般在频率一半
（3）使用异步
4.其他配置
（1）配置JobManager内存
（2）配置TaskManager个数
（3）配置TaskManager Slot数
5.其他
(1)背压的时候大家往往忽略了数据的序列化和反序列化，过程所造成的性能问题。
(2) 一些数据结构 ，比如 HashMap 和 HashSet 这种 key 需要经过 hash 计算的数据结构，在数据量大的时候使用 keyby 进行操作， 造成的性能影响是非常大的。
(3) 如果我们的下游是 MySQL，HBase这种，我们都会进行一个批处理的操作，就是让数据存储到一个 buffer 里面，在达到某些条件的时候再进行发送，这样做的目的就是减少和外部系统的交互，降低网络开销的成本。
(4) 频繁GC ，无论是 CMS 也好，G1也好，在进行 GC 的时候，都会停止整个作业的运行，GC 时间较长还会导致 JobManager 和 TaskManager 没有办法准时发送心跳，此时 JobManager 就会认为此 TaskManager 失联，它就会另外开启一个新的 TaskManager。
- 场景
产生背压的时候如果定位下游计算不过来，导致上游挤压严重，这个时候想着怎么去增加并行度也好或者利用多线程也好，目的就是增加计算能力。如果多线程计算，这个时候更多关注cpu核数，来分配更多的时间片，提高计算能力。