flink原理源码分析(一) 集群与资源@k8s

1 简介

集群和资源模块提供动态资源能力，是分布式系统关键基础设施，分布式datax，分布式索引，事件引擎都需要集群和资源的弹性资源能力，提高扩展和作业处理能力。本文分析flink的集群和资源的k8s模块，深入了解其设计原理，为开发自有的集群和资源组件做技术准备, 同时涉及作业管理器，slot管理，不深入调度器。

本文分析基于flink 1.17版本，不同版本代码差异比较大

2 关键词

作业管理器

资源管理器

任务管理器

3 参考资料

flink官方网站 https://flink.apache.org/

4 flink整体架构

flink原理源码按板块逐一分析，本文分析集群和资源

API板块 Table&SQL, DataStream，DataSet将被丢弃

作业构建和转换板块

作业提交和接收 client，作业打包，提交，接收和分发

作业调度板块 执行图(Execution Graph), 调度器，作业管理器

作业执行板块 高可用，容错，状态，作业执行

5 flink运行架构

运行架构，按调用顺序展示flink集群启动，作业提交处理组件互动

总体上，集群是mater-worker架构，上图是flink的抽象架构，一个优秀架构可以抽象，第六章介绍架构”具体” k8s实现

6 flink@k8s运行架构

作业管理器得到任务管理器提供的资源(slot)，启动task，资源申请完成。

7 启动集群

7.1 场景

下面详细分析各用例

7.2 启动k8s集群

k8s集群支持session和application模式，job模式将会被废弃，本文分析session模式集群

Configuration作为配置容器，几乎所有的构建需要从配置类获取配置项，这里不显示关联关系

1. 用户命令行执行kubernates-session.sh，主入口是KubernetesSessionCli main

2.ClusterClientServiceLoader SPI机制载入ClusterClientFactory，k8s环境下实现类是KubernetesClusterClientFactory

3. ClusterClientFactory是ClusterClient工厂，首先创建ClusterDescriptor集群描述，该类负责部署集群，最终返回ClusterClient，k8s环境下实现类是
KubernetesClusterDescriptor

4.KubernetesClusterDescriptor新建集群规格ClusterSpecification，该类不是针对k8s，定义了flink master和任务管理器的内存容量等技术参数，通用于容器类的集群；
KubernetesSessionClusterEntrypoint类型设置为ENTRY_POINT_CLASS参数，后面《部署集群》使用到

5.KubernetesClusterDescriptor的deploySessionCluster部署k8s集群，参看《部署集群》用例，最后返回ClusterClient，用于后续提交作业和其他集群操作

7.3 部署集群

部署集群是启动的第二步，
KubernetesClusterDescriptor的deploySessionCluster方法的一部分，构建部署规格，flink kubeclient提交到k8s集群管理器，触发flink master构建和启动

1. 首先更新配置，主要是对外端口，更新为固定的，支持对外Service通讯

2. 构建
KubernetesJobManagerParameters，该类封装Configuration和ClusterSpecification，为获取参数提供便利

3. 构建FlinkPod，首先载入pod模板构建KubernetesPod，KubernetesPod是一个包装了k8s Pod对象的Resource类；构建FlinkPod，定义了mainContainer ，podWithoutMainContainer，其中主容器固定名称，用于运行作业管理器，任务管理器，其他容器运行相关的资源，如ConfigMap，Service等，详细分析参考10 flink kubeclient

4.KubernetesJobManagerFactory《构建作业管理器部署规格》构建部署规格，Fabric8FlinkKubeClient使用部署规格《新建作业管理器组件(flink master)》部署flink master组件，两用例在10 flink kubeclient分析

5. 最后客户端调用
createClusterClientProvider返回ClusterClient

8 运行时

运行时提供了Flink作业运行过程依赖的基础执行环境，包含Dispatcher、ResourceManager、JobManager和TaskManager等核心组件，本节分析资源相关运行时组件构建和启动。

flink没有使用spring，缺少ioc的构建过程相当复杂，所有依赖手动关联和置入，为了共享组件，flink使用了很多中间持有共享组件的中间对象。

8.1 场景

8.2 构建和启动flink master组件

部署集群通过flink kubeclient向k8s集群管理提交flink master的Deployment，触发flink master构建和启动

上图是构建和启动的交互图，参看《构建作业管理器部署规格》的CmdJobManagerDecorator设置了初始容器脚本和参数，集群初始入口ClusterEntryPoint

1. 容器初始执行kubernetes-jobmanager.sh

ClusterEntryPoint设置为
KubernetesSessionClusterEntrypoint

2.KubernetesSessionClusterEntrypoint继承SessionClusterEntrypoint，只重新实现createDispatcherResourceManagerComponentFactory方法，设置ResourceManagerFactory为KubernetesResourceManagerFactory，就是说集群初始化逻辑与其他session集群区别不大

3. 经过容错日志，插件文件系统初始化，进入ClusterEntrypoint的runCluster，该方法主要做两个事，initializeServices和
DispatcherResourceManagerComponent

4. initializeServices构建基础服务，Rpc服务，Jmx服务，ha服务，blob服务，metics等

5.DispatcherResourceManagerComponent运行时组件，高可用组件的初始化/启动；同时也是持有者，用于后面关闭和清理

8.3 构建和启动任务管理器

构建和启动任务管理器是申请资源的一部分，按请求新worker的延申，类型分属于运行时一部分。

1. createTaskManagerPod与10.2 新建作业管理组件类似，CmdTaskManagerDecorator，装饰器实现了pod装饰，装饰主容器，设置shell执行命令

设置执行脚本
KUBERNETES_TASK_MANAGER_SCRIPT_PATH= "kubernetes-jobmanager.sh"

主入口
KubernetesTaskExecutorRunner main方法

2. 任务管理器启动比较简单，主要启动rpc服务和高可用组件，高可用触发9.5 注册任务管理器/报告资源

9 资源

本章分析资源管理的场景，服务级实现；核心数据流，资源槽从新增，报告，匹配，分配，到释放的完整生命周，详细了解每个场景下资源槽的状态和型态, 型态指资源类结构，类直接转换，状态属性，存储。

9.1 场景

资源处理有声明式处理资源和细粒度处理资源 是两个实现，两者不是并行的两种实现策略，声明式是资源申请和分配方式，粒度是指资源分割方式，细粒度按需可变的资源，粗粒度是固定的资源，本文只分析声明式粗粒度处理资源

9.2 申请和分配资源(simple allocator)

用户提交作业，分发器接收并分发作业到作业管理器，调度器确定所需资源，申请资源，检查当前可用资源是否足够，如果不足，请求新资源，动态增加资源；若足够，分配资源给任务。

分配还有另一个实现，slot sharing，有比较复杂的资源分配策略，分配策略跟本文主题无关，因此选了比较简单simple allocator

9.2.1 服务分析

DeclarativeSlotPoolBridge桥接DeclarativeSlotPool，声明式资源池，真正处理资源，用声明式SlotPool实现SlotPool，为了简化描述，描述不区分DeclarativeSlotPoolBridge和DeclarativeSlotPool

1. 调度器调用PhysicalSlotProvider的allocatePhysicalSlot分配资源

2. allocatePhysicalSlot首先tryAllocateFromAvailable，从当前可用资源分配；若当前可用资源不够9.3 请求新资源

3. tryAllocateFromAvailable调用DeclarativeSlotPoolBridge的
getAvailableSlotsInformation获取资源池的可用资源，其实际最终调用AllocatedSlotPool的getFreeSlotsInformation并组装为SlotInfoAndResources，该类组合了SlotInfo，分配信息；ResourceProfile，资源信息

4. SlotSelectionStrategy选择策略在可用资源选择一个最合适的，目前基于位置策略

5. 选出最合适的资源后，PhysicalSlotProvider调用DeclarativeSlotPoolBridge的allocateAvailableSlot分配资源

6. DeclarativeSlotPoolBridge的allocateAvailableSlot分配资源，该方法调用DeclarativeSlotPool的
increaseResourceRequirementsBy增加资源请求(声明)，该方法触发异步处理资源请求，9.2.21深入分析

7. 最后保留资源，真正的分配在处理资源请求，保留资源AllocatedSlotPool的reserveFreeSlot登记未已分配资源AllocatedSlot

8. 最后调整资源，保留不一定是最终分配，最终分配后调整实际资源情况

9.2.1.1 notifyNewResourceRequirements

最后分析一下
notifyNewResourceRequirements
notifyNewResourceRequirements类型Consumer，函数方法

图1

上图是
notifyNewResourceRequirements设置和调用的方法，函数是怎么设置？

图2

图1是图2的 connect调用，设置Service

设置方法是哪里调起？

1.
ResourceManagerLeaderListener监听资源管理器选主，获取新主节点的地址

2.
ResourceManagerLeaderListener通知JobMaster，调用JobMaster的

notifyOfNewResourceManagerLeader方法

3.
notifyOfNewResourceManagerLeader启动rpc(重新)连接

4. rpc连接后，触发onRegistrationSuccess事件方法，然后
DeclarativeSlotPoolService的

connectToResourceManager方法，而后者即图1，设置Conumer

总结，请求新资源主要是调用资源管理器的declareRequiredResources方法，该方法用

ResourceManagerLeaderListener和DeclareResourceRequirementServiceConnectionManager绕一下，是为了适应分布式环境下资源管理器上线下线，主节点选举后获取新主的地址，重新连接，每次连接完成重新设置ResourceManagerGateway

9.3 请求新资源(request new slots)

请求新资源是9.1 分配资源的延申，当前没有足够的可用资源，调度器请求新的资源

9.3.1 服务分析

类图跟9.2 申请和分配资源基本相同，场景实现由相同的类实现

1. 调度器在9.11 分配资源没有获得足够可用资源，调用SlotPool的requestNewAllocatedSlot，请求新的资源；这里的SlotPool是DeclarativeSlotPoolBridge桥接 DeclarativeSlotPool实现的SlotPool，实现声明式管理的资源池，下面不区分两者

2. DeclarativeSlotPoolBridge调用
increaseResourceRequirementsBy增加资源请求，触发检查资源请求，参看9.2.2.1深入分析

9.4 请求新worker(require new worker)

请求新worker是请求新资源的一部分，检查资源声明判断需要新增资源，向集群管理请求部署新worker，触发任务管理器部署，任务管理器启动后报告新的资源。

1. 检查资源声明是9.2请求新资源的延申，判断需要增加资源时调用requestNewWorker

2. requestNewWorker调用ResourceManagerDriver的requestResource方法，k8s环境下，ResourceManagerDriver的实现
KubernetesResourceManagerDriver，requestResource使用kubeclient向k8s集群管理发起《构建和启动任务管理器》，任务管理器启动后，9.5 注册任务管理器/报告资源

9.5 注册任务管理器/报告资源

任务管理器启动后注册到资源管理器，报告自身资源，资源通过这个方式新增的

9.5.1 服务分析

1. 任务管理器启动，同时启动高可用组件，触发
ResourceManagerLeaderListener监听机制，注意，ResourceManagerLeaderListener有两个，一个是作业管理器，一个是任务管理器，这里毫无疑问用任务管理器相关的那个

2.
ResourceManagerLeaderListener调用TaskExecutor的notifyOfNewResourceManagerLeader方法

3.
notifyOfNewResourceManagerLeader方法使用RegisteredRpcConnection连接到资源管理器

4. RegisteredRpcConnection连接完成后，触发事件onRegistrationSuccess，onRegistrationSuccess调用资源管理器的sendSlotReport(rpc)方法报告资源

5. ResourceManager的sendSlotReport方法，调用SlotManager注册任务管理器和登记资源

6. 最后采用延时异步方式执行《检查资源请求》，登记新资源，触发处理资源请求

9.6 请求使用资源(request slots)/提供资源(offer slots)

调度器申请和分配资源，匹配了合适的空闲资源，资源管理器请求资源所属的任务管理器使用资源，任务管理器确认提供资源

资源请求使用和提供两步操作，资源管理器不直接使用资源，主要让资源使用情况放在任务管理器，资源管理器下线， 选出新资源管理器master，任务管理器重新注册，恢复资源使用情况

9.6.1 服务分析

1. 调度器分配资源完成，向资源所在的任务管理器TaskExecutor发出使用请求requestSlot

2. TaskExecutor调用allocateSlotForJob，登记资源使用jobId, slotId, allocationId, resourceProfile, targetAddress

3. TaskExecutor rpc-offerSlots通知JobMaster，确认提供资源

4. JobMaster转交SlotPool的offerSlots处理，同样，最终处理是DeclarativeSlotPool

5. DeclarativeSlotPool的
matchOfferWithOutstandingRequirements匹配offerSlot与未完成的资源请求，构建AllocatedSlot

6. 最后AllocatedSlot放入资源slot分配池AllocatedSlotPool，返回接收的offerSlots给TaskExecutor处理，一部分没有匹配不接收

关于
matchOfferWithOutstandingRequirements(TBD)

9.7 检查资源需求/检查资源声明

检查资源请求/检查资源声明是flink声明式资源管理的关键方法，上面的资源场景分为两类，提出资源需求和提供资源， 检查资源请求/检查资源声明是交汇点，处理资源请求，该分配的分配，该请求新的请求新的资源；检查资源声明，哪些资源可以释放，需要新资源请求新worker。

本章深入分析两方法，上游提出资源需求和下游提供资源的串联，资源状态演变，存储型态

9.7.1 检查资源请求(checkResourceRequirements)

检查资源请求是真正的分配资源，上面说的分配实际只是请求分配，增加请求

1） 获取作业的未完成资源请求

2） 尝试分配可用资源到作业

之所以尝试，资源变更触发调用检查资源请求，但不一定是增加，可能是无效分配

slotTracker获取所有可用资源，与请求匹配，合适的分配allocateSlot，该方法对应场景9.6 请求使用资源/提供资源

3） 尝试使用待定的资源

待定资源是指申请了新的worker或者将要申请新worker所产生的资源，目前没有物理上的对应资源，通俗说就是先占个“坑”，等申请的资源下来填回去

同样，首先匹配现有的待定资源，若还有未分配打开新的待定资源

tryAllocateWorkerAndReserveSlot调用TaskExecutorManager的allocateWorker，预先挖好”坑”

declareNeededResourcesWithDelay方法下节介绍，按需要申请新的worker，增加物理资源

到此还有一个问题，物理资源到位后怎样填”坑”

首先，自然想到9.5 注册任务管理器/报告资源，使用新增资源抵消待定

TaskExecutorManager的registerTaskManager方法

9.7.2 检查资源声明(checkResourceDeclarations)

声明资源，要申请多少资源，可释放多少资源，上一节检查资源请求打开新待定资源，最终调用checkResourceDeclarations，实际申请新worker获得物理资源，为了支持动态/静态资源申请，中间ResourceAllocator转接了一下，这里不详细分析

现有的worker数量-需要的worker数量，大于0，worker多了可以释放；反之，worker少了，需要打开新worker

requestNewWorker参看9.4 请求新worker

ResourceDeclaration怎么来？

主要是计算totalWorkerNum，目前worker总数量

totalWorkerNum = pendingWorkerNum + neededRegisteredWorkers

pendingWorkerNum 待定的slots除以每个worker的slots，向上修正，只多不少

neededRegisteredWorkers是已经注册的worker减去待释放的worker

10 flink kubeclient

flink kubeclient是面向flink应用的fabric8 kubeclient的封装，本节分析flink如何封装kubeclient，核心组件是装饰器，资源和ServiceType，下面通过分析业务创建作业管理器组件(createJobManagerComponent)了解flink kubeclient

10.1 场景

10.2 新建作业管理器组件

1.
KubernetesJobManagerFactory构建KubernetesJobManagerSpecification

2.
KubernetesJobManagerSpecification有两属性Deployment和accompanyingResources，前者Deployment是k8s资源对象，后者是类型是List<HasMetadata>，用来管理发布的控制器，详情可参考k8s文档；accompanyingResources定义k8s资源对象，如 ConfigMap，Service等

3. KubernetesStepDecorator装饰器，装饰器列表实现责任链模式，装饰用模板构建的FlinkPod，包括主容器和其他容器，增加其特性，用户使用此机制定制pod，后面几章分析几个典型的装饰器

4. Fabric8FlinkKubeClient的createJobManagerComponent，请求k8s集群构建和启动flink master组件，输入参数是
KubernetesJobManagerSpecification，其Deployment属性直接用于Fabric8 kubeclient创建Deployment对象

下面分析几个作业管理组件重要的容器装饰器

10.2.1InitJobManagerDecorator

读入配置属性，设置pod的容器

10.2.2CmdJobManagerDecorator

装饰器只实现了pod装饰，装饰主容器，设置shell执行命令

设置执行脚本
KUBERNETES_JOB_MANAGER_SCRIPT_PATH = "kubernetes-jobmanager.sh"

deploymentTarget kubernetes-session或kubernetes-application

10.2.3ExternalServiceDecorator

装饰器构建k8s Service对象

读入ServiceType，flink对应k8s Service的抽象类，实现
buildUpExternalRestService方法，构建k8s Service

10.2.4FlinkConfMountDecorator/PodTemplateMountDecorator

两个装饰器功能相同，构建ConfigMap，非主容器作为存储卷，主容器挂载存储卷

10.3 总结

flink kubeclient要点

1. 模板构建初始的FlinkPod，拥有初始的完整的特性和属性

2. 可配置的/可扩展的装饰器增加FlinkPod的特性和属性，以及相应的资源，ConfigMap，Service等

3. Resource是k8s资源的简单封装；ServiceType是 k8s Service对象的构建器基类

11回顾

最后，本章以运行架构图串联起分析场景

1 7.2 启动k8s集群，7.3 部署集群，10.2 新建作业管理器组件

2 8.2 构建和启动flink mater组件

3 提交作业，N/A

4 分发作业，N/A

5 9.2 申请和分配资源

6 9.3 请求新资源

7 9.4 请求新worker，8.3 构建和启动任务管理器

8 9.5 注册任务管理器/报告资源

9 /10 9.6 请求使用资源/提供资源

12 附录

flink分析系列

Ø 系列(二) 作业提交，接收和分发

Ø 系列(三) 作业执行，高可用，状态，容错

Ø 系列(四) 作业调度

Ø 系列(五) 作业构建和转换

Ø 系列(六) 作业API-DataStream

Ø 系列(七) 作业API-Table&SQL

Ø 其他，内存管理，rpc