1. 调整并发度（Parallelism）

当一个任务执行时间较长，而下游任务需要等待其watermark，此时可以适当调整并发度，增加任务数量，提升整体处理能力。例如：

pipeline.apply("MyOperation", …) .setParallelism(2) // 设置并发度为2 .apply("MyDownstreamOperation", …) .setParallelism(4) // 设置下游并发度更高，提高流水线吞吐量

2. 调整时间特性（Timestamps）

Beam提供了多种时间特性选择，在高负载下可以适当调整，但需要权衡使用场景，确保时间戳逻辑正确，例如：

pipeline.apply("ReadMySource", …) .withTimestampFn(new MyTimestampFn()) // 针对特定场景定制时间戳 .apply("MyOperation", …) .apply("WriteMySink", …);

3. 调整Metrics

Flink提供了丰富的度量监控功能，可以通过度量监控接口对pipeline进行监控，在发现问题时可以及时调整处理流程。例如：

public class MyStep extends DoFn<> { ... private final Counter myCounter = Metrics.counter(MyStep.class, "myCounter"); private final Distribution myDistribution = Metrics.distribution(MyStep.class, "myDistribution"); ...

@ProcessElement
public void processElement(ProcessContext ctx) {
    ...
    myCounter.inc();
    myDistribution.update(System.currentTimeMillis() - ctx.timestamp().getMillis());
    ...
}

}

通过以上解决方法可以解决Beam on Flink runner在高负载下无法推进watermarks的问题。