Flink高频面试题( 精简 )

本文隶属于专栏《董工的1000个大数据技术体系》摘要，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！

目录

前言

一、SparkStreaming和Flink的区别是什么？

二、Flink的编程模型?

三、Flink中集群有哪些角色?各个角色有什么作用？

四、Flink如何设置并行度

五、Flink中有没有重启策略?

六、Flink的广播变量，使用的时候需要注意什么？

七、Flink的状态储存

八、Flink的分区策略

九、Flink时间有那几类？

十、你们公司怎么提交FLink任务

十一、Flink中watermark

十二、Flink如何容错

十三、Flink运行中必须依赖Hadoop组件吗？

十四、Flink的Slot和parallelism有什么区别？

十五、Flink的状态

十六、Flink的资源调度

十七、Flink SQL的实现原理

---

前言

作为大数据领域炙手可热的大数据组件，Flink作为大数据行业跳槽必问的组件，整理一些Flink相关的面试题供大家参考，有些题言简意赅即可，大多数的博客冗余一堆的知识点，看完要好久，我想帮大家提炼总结出核心的点，以帮助大家临阵磨枪，短时间掌握，当你把知识提炼出来，你会发现你的知识进步了，当你把简单提炼的知识再用自己的语言详细的说出来，那你就成为很厉害的人了，希望帮助大家收获到自己满意的offer。

一、SparkStreaming和Flink的区别是什么？

1、Flink 是实时处理引擎，基于事件驱动。而 Spark Streaming 是微批（Micro-Batch）的模型。（根本区别，一定要说出来）

2、时间机制:Spark Streaming只支持处理时间。 Flink支持处理时间、事件时间、注入时间。同时也支持watermark来处理滞后数据。

3、容错机制:Spark Streaming 通过checkpoint实现数据不丢失，但无法做到恰好一次处理语义。Flink 则使用两阶段提交协议和checkpoint实现精准一次处理，容错性好

区别相对比较多，具体不一一介绍，只要说出来其代表性的即可

二、Flink的编程模型?

1. Source数据源输入
2. Tranformation数据转换
3. Sink数据输出

三、Flink中集群有哪些角色?各个角色有什么作用？

  jobmanager: 管理集群master的角色，负责资源调度和资源管理，管理taskManager，协调checkpoint，故障恢复

  taskManager: 实际执行计算，与TaskManager状态传递

  client(客户端): 负责与jobManager进行交互把任务提交到集群

四、Flink如何设置并行度

系统层面（flink客户端的配置yml文件中设置）

客户端层面（提交flink run -p的时候设置）

执行环境层面（构建Flink环境时getExecutionEnvironment.setParallelism(1)设置）

算子层面（算子.setParallelism(3),实际算子时设置）

优先级设置: 算子层面>执行环境层面>客户端层面>系统层面

（实际业务中通常设置和kafka分区数一样或者kafka分区倍数的并行度）

五、Flink中有没有重启策略?

故障延迟重启策略

故障率重启策略

没有重启策略

Fallback重启策略

如果没有启用 checkpointing，则使用无重启 (no restart) 策略。如果启用了 checkpointing，但没有配置重启策略，则使用固定间隔 (fixed-delay) 策略
重启策略可以在flink-conf.yaml中配置&