Flink核心功能和原理

1.Flink的特性

• 支持高吞吐、低延迟、高性能的流处理
• 支持带有事件时间的窗口（Window）操作
• 支持有状态计算的 Exactly-once 语义
• 支持高度灵活的窗口（time/count/session）Window 操作，以及 data-driven 驱动
• 支持具有 BackPressure 功能的持续流模型
• 支持基于轻量级分布式快照（Snapshot）实现的容错
• 同时支持处理流批一体
• Flink 在 JVM 内部实现了自己的内存管理
• 支持迭代计算
• 支持程序自动优化：避免特定情况下 Shuffle、排序等昂贵操作，中间结果进行缓存

2.Flink核心四大基石

6.Flink执行引擎解析/架构

• Job Client：JobClient 不是 Flink 程序执行的内部部分，但它是任务执行的起点。JobClient 负责接受用户的程序代码，然后创建数据流，将数据流提交给 JobManager 以便进一步执行。 执行完成后，Job Client 将结果返回给用户

• JobManager：主进程（也称为作业管理器）协调和管理程序的执行。它的主要职责包括安排任务，管理 checkpoint，故障恢复等。机器集群中至少要有一个 master，master 负责调度 task，协调 checkpoints 和容灾，高可用设置的话可以有多 master，但要保证一个是 leader, 其他是 standby；JobManager 包含 ActorSystem、Scheduler、CheckPoint三个重要的组件

• TaskManager：从 JobManager 处接收需要部署的 Task。TaskManager 是在 JVM 中的一个或多个线程中执行任务的工作节点。任务执行的并行性由每个 TaskManager 上可用的任务槽决定。每个任务代表分配给任务槽的一组资源。例如，如果 TaskManager 有四个插槽，那么 它将为每个插槽分配 25%的内存。可以在任务槽中运行一个或多个线程。同一插槽中的线程共享相同的 JVM。同一 JVM 中的任务共享 TCP 连接和心跳消息。TaskManager 的一个 Slot 代表一个可用线程，该线程具有固定的内存，这里 Slot 只对内存隔离，没有对 CPU 隔离。 默认情况下，Flink 允许子任务共享 Slot，即使它们是不同 task 的 subtask，只要它们来自相同的 job。这种共享可以有更好的资源利用率。

• TaskSlot：任务槽，类似于 YARN 当中的 Container，用于资源的封装。但是在 Flink 中， taskSlot 只负责封装内存的资源，不包含 CPU 的资源。每一个 TaskManager 中会包含 3 个 TaskSlot，所以每一个 TaskManager 中最多能并发执行的任务是可控的，最多 3 个。TaskSlot 有独占的内存资源，在一个 TaskManager 中可以运行不同的任务。

• Task：TsakSlot 当中的 Task 就是任务执行的具体单元。

7.Flink容错 Checkpoint 和 State

8.Flink Time

9.Flink 内部原理
9.1容错机制
9.2调度机制
9.3迭代机制
9.4BackPressure 监控