Flink 处理事件太慢

我使用 Kinesis 数据流作为源，使用 elasticsearch 作为接收器。 在 AWS Kinesis Data 分析应用程序中运行 Flink 作业。

事件示例：

{"area":"sessions","userId":4450,"date":"2021-12-03T11:00:00","videoDuration":5} 

我正在从前端收集这些视频观看事件，同时视频每 5 秒为一名用户播放一次。这些事件用于计算用户的观看时间。

假设如果一个用户正在观看视频，则前端每 5 秒生成一次此事件并摄取到 Kinesis 数据流中。有 10,000 个用户观看视频，因此一分钟内总共生成了 120,000 个事件。

加工用120,000 个事件我的 Flink 工作几乎需要〜4分钟的时间。这是相当长的一段时间了。

那么如何才能提高工作绩效呢？我需要在1分钟。

我的工作是这样的：

        stream
                .keyBy(e -> e.getUserId())
                .timeWindow(Time.seconds(60))
                .reduce(new MyReduceFunction()) //sum of video duration for user
                .map(<enrich event using some data from redis>)
                .addSink(<elasticsearch sink>);

// Reduce function 

 private static class MyReduceFunction implements ReduceFunction<TrackingData> {
        @Override
        public TrackingData reduce(TrackingData trackingData, TrackingData t1) throws Exception {
                trackingData.setVideoDuration(trackingData.getVideoDuration() + t1.getVideoDuration());
                return trackingData;
        }
    }

那么这项工作首先从 Kinesis Data 流接收事件，然后通过该流键入userId然后我做了一些videoDuration1 分钟后，这些数据进入丰富功能，在该功能中，我从 Redis 读取一些数据并丰富该事件，然后将该事件放入 Elasticsearch。

我尝试过增加作业的并行度，它为 1 个并行度（大约 4 分钟）提供了最佳性能。如果我增加并行度，就会花费更多时间，这很奇怪。尝试过 2、4、8、16 等。增加并行性应该可以加快处理速度，不是吗？

任何人都可以帮助我在 Flink 作业中缺少什么或做错了什么，我需要做什么才能在 1 分钟内加速这些事件？