【第98期】终于有人把Flink设计理念与基本架构讲明白了

导读：本文从设计理念的角度将Flink 与主流计算引擎 Hadoop MapReduce和Spark进行对比，并从宏观上介绍Flink的基本架构。

01

Flink与主流计算引擎对比

1. Hadoop MapReduce

MapReduce 是由谷歌首次在论文“MapReduce: Simplified Data Processing on Large Clusters”（谷歌大数据三驾马车之一）中提出的，是一种处理和生成大数据的编程模型。Hadoop MapReduce借鉴了谷歌这篇论文的思想，将大的任务分拆成较小的任务后进行处理，因此拥有更好的扩展性。如图1所示，Hadoop MapReduce 包括两个阶段—Map和Reduce：Map 阶段将数据映射为键值对（key/value），map 函数在Hadoop 中用Mapper类表示；Reduce阶段使用shuffle后的键值对数据，并使用自身提供的算法对其进行处理，得到输出结果，reduce函数在Hadoop中用Reducer类表示。其中shuffle阶段对MapReduce模式开发人员透明。

图1　Hadoop MapReduce处理模型

Hadoop MR1 通过JobTracker进程来管理作业的调度和资源，TaskTracker进程负责作业的实际执行，通过Slot来划分资源（CPU、内存等），Hadoop MR1存在资源利用率低的问题。Hadoop MR2 为了解决MR1存在的问题，对作业的调度与资源进行了升级改造，将JobTracker变成YARN，提升了资源的利用率。其中，YARN 的ResourceManager 负责资源的管理，ApplicationMaster负责任务的调度。YARN 支持可插拔，不但支持Hadoop MapReduce，还支持Spark、Flink、Storm等计算框架。Hadoop MR2 解决了Hadoop  MR1的一些问题，但是其对HDFS的频繁I/O操作会导致系统无法达到低延迟的要求，因而它只适合离线大数据的处理，不能满足实时计算的要求。

2. Spark

Spark 是由加州大学伯克利分校开源的类Hadoop MapReduce的大数据处理框架。与 Hadoop MapReduce相比，它最大的不同是将计算中间的结果存储于内存中，而不需要存储到HDFS中。

Spark的基本数据模型为RDD（Resilient Distributed Dataset，弹性分布式数据集）。RDD是一个不可改变的分布式集合对象，由许多分区（partition）组成，每个分区包含RDD的一部分数据，且每个分区可以在不同的节点上存储和计算。在Spark 中，所有的计算都是通过RDD的创建和转换来完成的。

Spark Streaming 是在Spark Core的基础上扩展而来的，用于支持实时流式数据的处理。如图2所示，Spark Streaming 对流入的数据进行分批、转换和输出。微批处理无法满足低延迟的要求，只能算是近实时计算。

图2　Spark Streaming 处理模型

Structured Streaming 是基于Streaming SQL 引擎的可扩展和容错的流式计算引擎。如图3所示，Structured Streaming将流式的数据整体看成一张无界表，将每一条流入的数据看成无界的输入表，对输入进行处理会生成结果表。生成结果表可以通过触发器来触发，目前支持的触发器都是定时触发的，整个处理类似Spark Streaming的微批处理；从Spark 2.3开始引入持续处理。持续处理是一种新的、处于实验状态的流式处理模型，它在Structured Streaming的基础上支持持续触发来实现低延迟。 

图3　Structured Streaming处理模型

3. Flink

Flink是对有界数据和无界数据进行有状态计算的分布式引擎，它是纯流式处理模式。流入Flink的数据会经过预定的DAG（Directed Acyclic Graph，有向无环图）节点，Flink会对这些数据进行有状态计算，整个计算过程类似于管道。每个计算节点会有本地存储，用来存储计算状态，而计算节点中的状态会在一定时间内持久化到分布式存储，来保证流的容错，如图4所示。这种纯流式模式保证了Flink的低延迟，使其在诸多的实时计算引擎竞争中具有优势。

图4　Flink 流式处理模型

02

Flink基本架构

下面从分层角度和运行时角度来介绍Flink 基本架构。其中，对于运行时Flink 架构，会以1.5版本为分界线对前后版本的架构变更进行介绍。

1. 分层架构

Flink是分层架构的分布式计算引擎，每层的实现依赖下层提供的服务，同时提供抽象的接口和服务供上层使用。整体分层架构如图5所示。

图5　Flink 分层架构

• 部署：Flink 支持本地运行，支持Standalone 集群以及YARN、Mesos、Kubernetes管理的集群，还支持在云上运行。

• 核心：Flink的运行时是整个引擎的核心，是分布式数据流的实现部分，实现了运行时组件之间的通信及组件的高可用等。

• API：DataStream 提供流式计算的API，DataSet 提供批处理的API，Table 和SQL AP提供对Flink 流式计算和批处理的SQL的支持。

• Library：在Library层，Flink 提供了复杂事件处理（CEP）、图计算（Gelly）及机器学习库。

2. 运行时架构

Flink 运行时架构经历过一次不小的演变。在Flink 1.5 版本之前，运行时架构如图6所示。

图6　Flink 1.5 以前版本的运行时架构

• Client 负责编译提交的作业，生成DAG，并向JobManager提交作业，往JobManager发送操作作业的命令。

• JobManager 作为Flink引擎的Master角色，主要有两个功能：作业调度和检查点协调。

• TaskManager为Flink 引擎的Worker角色，是作业实际执行的地方。TaskManager通过Slot对其资源进行逻辑分割，以确定TaskManager运行的任务数量。

从Flink 1.5开始，Flink 运行时有两种模式，分别是Session 模式和Per-Job模式。

Session模式：在Flink 1.5之前都是Session模式，1.5及之后的版本与之前不同的是引入了Dispatcher。Dispatcher负责接收作业提交和持久化，生成多个JobManager和维护Session的一些状态，如图7所示。

图7　Session模式

Per-Job模式：该模式启动后只会运行一个作业，且集群的生命周期与作业的生命周期息息相关， 而Session 模式可以有多个作业运行、多个作业共享TaskManager资源， 如图8所示。 

图8　Per-Job模式

关于作者：罗江宇，赵士杰，李涵淼，闵文俊，四位作者都是非常资深的Flink专家，部分作者是Flink源代码的维护者和改造者。

精彩罗江宇
Flink技术专家，先后就职于新浪微博、滴滴和某大型电商公司。先后主导或参与了多家公司的Flink实时计算服务的构建、对超大规模集群的维护以及Flink引擎的改造。拥有丰富的实时计算实战经验，目前专注于Kubernetes调度、Flink SQL及Flink流批一体化方向。

赵士杰
资深大数据技术专家，曾就职于滴滴、阿里巴巴等一线互联网公司。从0到1深度参与了滴滴的大数据建设，拥有非常丰富的大数据平台一线建设经验，对于大数据领域的计算和存储引擎也有深入研究。

李涵淼
大数据研发专家，曾任滴滴大数据开发工程师。从事大数据领域工作多年，参与过多家公司流计算平台的设计与研发，目前专注于流批一体、OLAP技术方向的研究与应用。

闵文俊
蚂蚁集团技术专家、开源大数据社区爱好者、Flink Contributor，在实时计算领域工作多年，深度参与了滴滴、蚂蚁集团的实时计算平台建设。 书评

RECOMMEND

推荐阅读

01

《Flink技术内幕》

推荐理由

这是一部从源代码角度出发，通过分析Flink的各个功能模块的实现来剖析Flink的架构设计和实现原理的著作。它将能指导读者更好地对Flink进行性能调优、可用性保障、效能优化和二次开发。

四位作者都是非常资深的Flink专家，部分作者是Flink源代码的维护者和改造者，本书总结了他们在阿里巴巴、蚂蚁集团、滴滴等企业的大规模Flink实践经验。

02

《Flink设计与实现》

推荐理由

这是一本从源代码角度剖析Flink设计思想、架构原理以及各功能模块的底层实现原理的著作。

作者是Flink领域的资深技术专家和架构师，对Flink的源代码进行了深入分析和解读，同时融入了自己丰富的工程实践经验，既能让理解Flink的设计与实现原理，又能为他们解决性能优化等实际应用问题提供源码级别的指导。源码大多艰涩难懂，为了降低读者的学习门槛，本书提供了大量架构设计图、UML图和代码注释。

03

《Flink原理、实战与性能优化》

推荐理由

这是一部以实战为导向，能指导读者零基础掌握Flink并快速完成进阶的著作，从功能、原理、实战和调优等4个维度循序渐进地讲解了如何利用Flink进行分布式流式应用开发。作者是该领域的资深专家，现就职于第四范式，曾就职于明略数据。

第97期赠书活动中奖名单公布

赠书规则

送书规则：感谢大家对华章图书的信任与支持。在留言区谈谈你想要哪本书及理由。小编会在留言池随机捞2条锦鲤，分别包邮送出1本正版书籍。本推文中的图书可任选一本。

截止日期：2022年4月8日下午16：00

特别注意：

1、请按规则结合自身工作与学习的经历留言。请规避百度式名词解释式言论，走心留言优先。

2、阅读最多、分享最多者优先。参与活跃者优先。同一人每月最多获赠一本书。

特别说明：本活动无任何内幕，最终解释权归华章分社所有。

扫码关注【华章计算机】视频号

每天来听华章哥讲书

更多精彩回顾

书讯 | 4月书讯（下）| 上新了，华章

书讯 | 4月书讯（上）| 上新了，华章

资讯 | AI 是否拥有意识？从意识的定义说起

书单 | 金三银四求职季，十道腾讯算法真题解析！

干货 | 场景拆解六步设计法，手把手教你细化场景

收藏 | 赵宏田：用户画像场景与技术实现

上新 | Web渗透测试实战：基于Metasploit 5.0

书评 | 数据分析即未来