Flink运行时架构
系统架构
Flink整体架构
- Flink整体架构中，最为重要的是JobManager和TaskManager。JobManager负责管理提交执行的作业，负责管理调度，因此在不开启高可用的情况下，一般只会有一个。TaskManager则是负责执行任务处理数据，所以可以存在多个。
Flink程序中的客户端实际上只是调用程序的main()方法，将代码转换成“数据流图”（Dataflow Graph），并最终生成作业图（JobGraph），一并发送给JobManager。
- JobManager和TaskManager的启动方式：
- 作为独立的集群（即standalone模式）进程，直接在机器上启动
- 在容器中启动
- 由yarn、K8S等资源调度平台调度启动
JobManager
又叫做master，是一个Flink集群的任务管理和调度核心，负责控制应用执行的主进程。每个应用都有唯一的JobManager进行管理控制。
其协调Flink应用执行的主要职责如下：
- 负责调度任务，决定何时安排下一个任务，对完成or失败的任务做出对应操作。
- 负责协调分布式计算
- 协调检查点
- 协调故障恢复
需要注意的是，虽然每个应用（job）都对应一个JobManager，但一个JobManager在不同的部署方式下可能存在管理多个Job的情况
jobMaster
JobManager的核心组件，负责处理单独的作业（JobMaster和具体的Job一一对应），虽然多个job可以运行在同一个Flink集群中，但是每个Job都有一个独享的JobMaster。
当一个作业提交时，JobMaster会先接收到要执行的应用。JobMaster会把JobGraph转换成一个物理层面的数据流图，这个图被叫作“执行图”（ExecutionGraph），其包含了所有可以并发执行的任务。JobMaster会向资源管理器（ResourceManager）发出请求，申请执行任务必要的资源。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，JobMaster会负责所有需要中央协调的操作，比如说检查点（checkpoints）的协调。
ResourceManager
类似于yarn中资源管理器（ResourceManager），但不同的是他是运行在yarn调配给他的资源上的另一个更小一级的资源管理器（ResourceManager）。
在Flink集群中只有一个。所谓“资源”，主要是指TaskManager的任务槽（task slots）。任务槽就是Flink集群中的资源调配单元，包含了机器用来执行计算的一组CPU和内存资源。每一个任务（Task）都需要分配到一个slot上执行。
Dispatcher（分发器）
Dispatcher主要负责*提供一个REST接口，用来提交应用*，并且负责为每一个新提交的作业启动一个新的JobMaster组件。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在架构中并不是必需的，在不同的部署模式下可能会被忽略掉。
TaskManager
TaskManager是Flink中的工作进程，数据流的具体计算就是它来做的，所以也被称为“Worker”。
Flink集群中必须至少有一个TaskManager；每一个TaskManager都包含了一定数量的任务槽（task slots）。Slot是资源调度的最小单位，slot的数量限制了TaskManager能够并行处理的任务数量。
启动之后，TaskManager会向资源管理器注册它的slots；收到资源管理器的指令后，TaskManager就会将一个或者多个槽位提供给JobMaster调用，JobMaster就可以分配任务来执行了。
在执行过程中，TaskManager可以缓冲数据，还可以跟其他运行同一应用的TaskManager交换数据。
作业提交流程
抽象视角
- 一般情况下，由客户端（App）通过分发器提供的REST接口，将作业提交给JobManager。
- 由分发器启动JobMaster，并将作业（包含JobGraph）提交给JobMaster。
- JobMaster将JobGraph解析为可执行的ExecutionGraph，得到所需的资源数量，然后向资源管理器请求资源（slots）。
- 资源管理器判断当前是否由足够的可用资源；如果没有，启动新的TaskManager。
- TaskManager启动之后，向ResourceManager注册自己的可用任务槽（slots）。
- 资源管理器通知TaskManager为新的作业提供slots。
- TaskManager连接到对应的JobMaster，提供slots。
- JobMaster将需要执行的任务分发给TaskManager。
- TaskManager执行任务，互相之间可以交换数据。
如果部署模式不同，或者集群环境不同（例如Standalone、YARN、K8S等），其中一些步骤可能会不同或被省略，也可能有些组件会运行在同一个JVM进程中。比如：独立集群环境的会话模式，就是需要先启动集群，如果资源不够，只能等待资源释放，而不会直接启动新的TaskManager。
