FlinkSQL性能优化主要包括以下几个方面：
1.Window性能优化
Window是FlinkSQL中的一个重要功能，但是对于性能的影响也是不可忽视的。FlinkSQL中的Window性能优化主要包括以下几个方面:
LocalGlobalWindowAggregation优化：这种优化将aggregation的过程分成了两部分，第一部分是localaggregation，第二部分是globalaggregation。这种优化的好处是可以避免hotspotproblem，也可以重用某些状态。如果是cumulatewindow，之后所有的slice都可以复用第一个slice的状态。
开启WindowminiBatch：WindowminiBatch是一种微批处理，原理是缓存一定的数据后再触发处理，以减少对State的访问，从而提升吞吐并减少数据的输出量。通常对于聚合的场景，微批处理可以显著的提升系统性能。
开启LocalGlobal：LocalGlobal优化将原先的Aggregate分成Local+Global两阶段聚合，即MapReduce模型中的Combine+Reduce处理模式。第一阶段在上游节点本地攒一批数据进行聚合(localAgg)，并输出这次微批的增量值(Accumulator)。第二阶段再将收到的Accumulator合并(Merge)，得到最终的结果(GlobalAgg)。LocalGlobal适用于提升如SUM、COUNT、MAX、MIN和AVG等普通聚合的性能，以及解决这些场景下的数据热点问题。
2.多输入算子优化
在Flink中，多输入算子的优化是一个重要的性能优化手段。Flink1.12中推出的multipleinputoperator与sourcechaining优化，将消除Flink作业中大多数冗余shuffle，进一步提高作业的执行效率。
MultipleInputOperator：这是一种新的优化机制，可以组合多输入的算子。通过这种方式，可以减少数据在TM之间通过网络和文件传输，并将算子链接合并入task，这样能减少线程之间的切换，减少消息的序列化与反序列化，减少数据在缓冲区的交换，从而提高整体吞吐量。
3.其他性能优化技巧
除了上述两种主要的性能优化方法，还有一些其他的性能优化技巧可以帮助提高FlinkSQL的性能：
开启MicroBatch或MiniBatch：这两种都是微批处理，可以通过增加延迟换取高吞吐。
使用AGGWITHFILTER语法：这种语法可以用于统计作业中各种维度的UV，例如全网UV、来自手机客户端的UV、来自PC的UV等等。这种方法可以显著提升性能。
设置参数：FlinkSQL官网配置参数中有许多可以用于性能优化的参数，例如`blink.microBatch.allowLatencyMs`、`blink.miniBatch.size`等。
以上就是FlinkSQL性能优化的主要方法，希望对您有所帮助。
