Flink 运行时架构
Flink 运行时的组件https://img-blog.csdnimg.cn/direct/0f9ad4b52add489c89b065167253ce89.png
[*]作业管理器（JobManager）
[*]资源管理器（ResourceManager）
[*]任务管理器（TaskManager）
[*]分发器（Dispatch）
JobManager
[*]控制一个应用程序执行的主进程，也就是说，每个应用程序都会被一个不同的 JobManager 所控制执行；
[*]JobManager 会先吸收到要执行的应用程序，这个应用程序，这个应用程序包括作业图（JobGraph）、逻辑数据流图（logical dataflow graph）和打包了全部类、库和其他资源的JAR包；
[*]JobManager 会把 JobGraph 转换成一个物理层面的数据流图，这个图叫做执行图（ExecutionGraph），包罗了全部可以并发执行的任务；
[*]JobManager 会向 ResourceManager 请求执行任务必要的资源，也就是 TaskManager 上的 slot 。一旦它获取到了足够的资源，就会将执行图分发到真正运行它们的 TaskManager 上。而在运行过程中，JobManager 会负责全部需要中心协调的操纵，比如所 checkpoint 的协调；
ResourceManager
[*]重要负责管理 TaskManager 和 slot；
[*]Flink 为不同环境和资源管理工具提供了不同的 ResourceManager，比如Yarn、Mesos、K8s，以及 standalone部署；
[*]当 JobManager 申请 slot 资源时，ResourceManager 会将有空闲 slot 的 TaskManager 分配给 JobManager。假如 ResourceManager 没有足够的 slot 来满足 JobManager 的请求，它还可以向资源提供平台发起会话，以提供启动 TaskManager 进程的容器；
TaskManager
[*]Flink 中的工作进程。通常在 Flink 中会有多个 TaskManager 运行，每一个 TaskManager 都包罗一定数量的 slot 。slot 的数量限制了 TaskManager 可以大概执行的任务数量（并行度）；
[*]启动之后，TaskManager 会向 ResourceManager 注册它的 slot ；收到 ResourceManager 的指令后，TaskManager 就会将一个或者多个 slot 提供给 JobManager 调用。JobManager 就可以向 slot 分配任务来执行了；
[*]在执行过程中，一个 TaskManager 可以跟其他运行同一应用程序的 TaskManager 互换数据；
Dispatcher
[*]可以跨作业运行，它为应用提交提供了 REST 接口；
[*]当一个应用被提交时，Dispatcher 就会启动并将应用移交给一个 JobManager；
[*]Dispatcher 也会启动一个 Web UI，用来方便地展示和监控作业执行的信息；
[*]Dispatcher 在架构中大概并不是必需的，这取决于应用提交的方式；
Flink 任务提交流程
https://img-blog.csdnimg.cn/direct/d4fb89dce4484d169741560284e9eb2f.png
[*]当程序执行 execute() 方法时，Client 会将程序编译成一个 DAG（有向无环图），这个图被称为 JobGraph ，JobGraph 形貌了程序的数据流和操纵；
[*]Dispatcher 将 JobGraph 提交给 JobManager；
[*]JobManager 吸收到 JobGraph 后会将其剖析，并创建一个 ExecutionGraph，ExecutionGraph 形貌了如安在集群中并行执行 JobGraph 中界说的数据流；
[*]JobManager 根据 ExecutionGraph 的需求向 ResourceManager 请求资源；
[*]一旦资源被分配，JobManager 会将作业分解成一系列的 Task ，然后将这些 Task 分配给集群中 TaskManager ，每个 TaskManager 执行一个或多个 Task；
[*]TaskManager 吸收到 Task 后会在本地执行它们；
[*]TaskManager 会定期保存状态快照，并向 JobManager 陈诉任务的进度和状态；
[*]当全部 Task 都乐成执行完毕，JobManager 会标记作业为完成，而且释放全部分配的资源；
以上是从一个较为高级的视角，来看应用中各组件的交互协作。假如部署的集群环境不同，此中一些步调可以省略，或是有些组件会运行在同一个 JVM 进程中。
下面以详细部署到 Yarn 上为例：
https://img-blog.csdnimg.cn/direct/8e370a1553e74516b6957b701569f8b9.png
[*]Flink 提交任务后，Client 向 HDFS 上传 Flink 的 Jar 包和配置；
[*]Client 向 ResourceManager 提交任务，ResourceManager 分配 Container 资源并关照对应的 NodeManager 启动 ApplicationMaster，ApplicationMaster 启动后加载 Flink 的 Jar 包和配置构建环境，然后启动 JobManager；
[*]ApplicationMaster 向 ResouceManager 申请资源启动 TaskManager；
[*]ResourceManager 分配 Container 资源后，由 ApplicationMaster 关照资源所在节点的 NodeManager 启动 TaskManager；
[*]TaskManager 加载 Flink 的 Jar包和配置构建环境并启动 TaskManager；
[*]TaskManager 启动后向 JobManager 发送心跳包，并等待 JobManager 向其分配任务；
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]