Flink_架构体系

最新推荐文章于 2024-04-30 07:13:45 发布

BigMoM1573

最新推荐文章于 2024-04-30 07:13:45 发布

阅读量474

点赞数

分类专栏： Flink 文章标签： Flink

本文链接：https://blog.csdn.net/qq_44509920/article/details/107190346

版权

Flink 专栏收录该内容

19 篇文章 0 订阅

订阅专栏

Apache Flink是一个支持流处理和批处理的开源计算平台，其核心在于将流处理和批处理统一，提供无界数据流和有界数据流的处理模型。Flink的架构包括JobManager（Master）负责协调任务执行，TaskManager（Worker）执行任务和数据交换。Flink的数据流编程模型包括底层的过程函数、DataStream和DataSet API，以及SQL和Table API，支持丰富的数据处理操作和转换。

摘要由CSDN通过智能技术生成

2.1 Flink 中的重要角⾊

在这里插入图片描述

JobManager 处理器：
也称之为 Master，用于协调分布式执行，它们用来调度 task，协调检查点，协调失败时恢复等。 Flink 运行时至少存在一个 master 处理器，如果配置高可用模式则会存在多个 master 处理器，它们其中有一个是 leader，而其他的都是 standby。
TaskManager 处理器：
也称之为 Worker，用于执行一个 dataflow 的 task(或者特殊的 subtask)、数据缓冲和 datastream 的交换， Flink 运行时至少会存在一个 worker 处理器。

2.2 无界数据流与有界数据流无界数据流：

无界数据流有一个开始但是没有结束，它们不会在生成时终止并提供数据，必须连续处理无界流，也就是说必须在获取后立即处理 event。对于无界数据流我们无法等待所有数据都到达，因为输入是无界的，并且在任何时间点都不会完成。处理无界数据通常要求以特定顺序（例如事件发生的顺序）获取 event，以便能够推断结果完整性。
有界数据流：有界数据流有明确定义的开始和结束，可以在执行任何计算之前通过获
取所有数据来处理有界流，处理有界流不需要有序获取，因为可以始终对有界数据集进行排序，有界流的处理也称为批处理。

Apache Flink 是一个面向分布式数据流处理和批量数据处理的开源计算平台，它能够基于同一个 Flink 运行时(Flink Runtime)，提供支持流处理和批处理两种类型应用的功能。现有的开源计算方案，会把流处理和批处理作为两种不同的应用类型，因为它们要实现的目标是完全不相同的：流处理一般需要支持低延迟、 Exactly-once 保证，而批处理需要支持高吞吐、高效处理，所以在实现的时候通常是分别给出两套实现方法，或者通过一个独立的开源框架来实现其中每一种处理方案。例如，实现批处理的开源方案有 MapReduce、 Tez、 Crunch、 Spark，实现流处理的开源方案有 Samza、 Storm。
Flink 在实现流处理和批处理时，与传统的一些方案完全不同，它从另一个视角看待流处理和批处理，将二者统一起来： Flink 是完全支持流处理，也就是说作为流处理看待时输入数据流是无界的；批处理被作为一种特殊的流处理，只是它的输入数据流被定义为有界的。基于同一个 Flink 运行时(Flink Runtime)，分别提供了流处理和批处理 API，而这两种 API 也是实现上层面向流处理、批处理类型应用框架的基础。

2.3 Flink 数据流编程模型

Flink 提供了不同的抽象级别以开发流式或批处理应用。
在这里插入图片描述

最底层级的抽象仅仅提供了有状态流，它将通过过程函数（ Process Function）被嵌入到 DataStream API 中。
底层过程函数（Process Function）与 DataStream API 相集成，使其可以对某些特定的操作进行底层的抽象，
它允许用户可以自由地处理来自一个或多个数据流的事件，并使用一致的容错的状态。除此之外，用户可以注册事件时间并处理时间回调，
从而使程序可以处理复杂的计算。实际上，大多数应用并不需要上述的底层抽象，而是针对核心 API（Core APIs）进行编程，比如
DataStream API（有界或无界流数据）以及 DataSet API（有界数据集）。这些 API
为数据处理提供了通用的构建模块，比如由用户定义的多种形式的转换（ transformations），连接（joins），
聚合（aggregations），窗口操作（windows）等等。 DataSet API 为有界数据集提供了额外的支持，
例如循环与迭代。这些 API 处理的数据类型以类（classes）的形式由各自的编程语言所表示。Table API 是以表为中心的
声明式编程，其中表可能会动态变化（在表达流数据时）。 TableAPI 遵循（扩展的）关系模型：表有二维数据结构（schema）
（类似于关系数据库中的表），同时 API 提供可比较的操作，例如 select、 project、 join、 group-by、
aggregate 等。 Table API 程序声明式地定义了什么逻辑操作应该执行，而不是准确地确定这些操作代码的看上去如何。尽管
Table API 可以通过多种类型的用户自定义函数（UDF）进行扩展，其仍不如核心 API 更具表达能力，
但是使用起来却更加简洁（代码量更少）。除此之外， Table API 程序在执行之前会经过内置优化器进行优化。你可以在表与
DataStream/DataSet 之间无缝切换，以允许程序将 Table API 与 DataStream 以及
DataSet 混合使用。 Flink 提供的最高层级的抽象是 SQL 。这一层抽象在语法与表达能力上与 Table API
类似，但是是以 SQL 查询表达式的形式表现程序。 SQL 抽象与 Table API 交互密切，同时 SQL 查询可以直接在
Table API 定义的表上执行。

Spark	Flink
RDD/DataFrame/DStream	DataSet/Table/DataStream
Transformation	Transformation
Action	Sink
Task	subTask
Pipeline	Oprator chains
DAG	DataFlow Graph
Master + Driver	JobManager
Worker + Executor	TaskManager