如何优化Flink的序列化性能？

​避免类型推断开销​：显式声明 TypeInformation，帮助 Flink 选择最优序列化器。

基础类型和常用集合​：直接使用 String, Long, Tuple, List, Map 等，Flink 已内置高效序列化器。

为自定义类注册 Kryo 序列化器​：减少反射开销，提升性能。
禁用不必要的 Kryo 备用序列化​：避免 Kryo 回退到低效的序列化方式。

Apache Avro / Protobuf​：结构化数据优先选择 schema-based 序列化框架。
Flink Value 类型​：实现 org.apache.flink.types.Value 接口，自定义高效序列化逻辑。

使用基本类型数组​：替代 List<Integer>，使用 int[]。
​避免盒装类型​：用 int 代替 Integer，减少内存占用和序列化开销。
​压缩数据​：对稀疏数据使用 BitSet 或 RoaringBitmap。

增大网络缓冲区​：减少频繁分配/释放内存的开销。

RocksDB 状态后端​：对大型状态启用增量检查点。
状态 TTL​：自动清理过期状态，减少序列化数据量。

​重用对象​：避免在 map/filter 中频繁创建对象，使用对象池。
​减少序列化范围​：在算子链中合并操作，减少跨 Task 数据传输。