【简单的记录】【Flink旅途 02】Flink运行架构

warning:

博文包含大量个人的吐槽和心理描述，已用区域进行标识，不喜可直接忽略这部分，直接查找答案

Flink的二章，主要用途如下：

1. 熟悉Flink的组成
2. 了解 Flink 的执行的流程

问题1：Flink 的组件有哪些？

1. 资源管理器 Resource Manager
2. 分发器 Dispacher
3. 作业管理器 JobManager
4. 任务管理器 TaskManager

资源管理器（ResourceManager）
• 主要负责管理任务管理器（TaskManager）的插槽（slot），
插槽(slot) 是Flink中定义的处理资源单元。

• Flink为不同的环境和资源管理工具提供了不同资源管理器，比如YARN、Mesos、K8s，以及standalone部署。

• 当JobManager申请插槽资源时，ResourceManager会将有空闲插槽
的TaskManager分配给JobManager。如果ResourceManager没有足
够的插槽来满足JobManager的请求，它还可以向资源提供平台发起会
话，以提供启动TaskManager进程的容器

os :向资源提供平台发起会话，以提供启动TaskManager进程的容器
这句话代表什么？ 需要具体明确 #TODO

分发器（Dispatcher）
• 可以跨作业运行，它为应用提交提供了REST接口。
• 当一个应用被提交执行时，分发器就会启动并将应用(application)移交给一个
JobManager。
• Dispatcher也会启动一个Web UI，用来方便地展示和监控作业
执行的信息。

os :确认一下这里 Web UI 的地址 #TODO

• Dispatcher在架构中可能并不是必需的，这取决于应用提交运行
的方式。

作业管理器（JobManager）
• 控制一个应用程序(application)执行的主进程，也就是说，每个应用程序(application)都会被一个不同的 JobManager 所控制执行。

• JobManager 会先接收到要执行的应用程序，这个应用程序会包括：作业图（JobGraph）、逻辑数据流图（logical dataflow graph）和打包了所有的类、库和其它资源的JAR包。

• JobManager 会把JobGraph转换成一个物理层面的数据流图，这个图被叫做“执行图”（ExecutionGraph），包含了所有可以并发执行的任务。

• JobManager 会向资源管理器（ResourceManager）请求执行任务必要的资源，也就是任务管理器（TaskManager）上的插槽（slot）。一旦它获取到了足够的资源，就会将执行图分发到真正运行它们的TaskManager上。而在运行过程中，JobManager会负责所有需要中央协调的操作，比如说检查点（checkpoints）的协调

任务管理器（TaskManager）
• Flink中的工作进程。通常在Flink中会有多个TaskManager运行，每一
个TaskManager都包含了一定数量的插槽（slots）。插槽的数量限制
了TaskManager能够执行的任务数量。
• 启动之后，TaskManager会向资源管理器(ResourceManager)注册它的插槽；收到资源管理器的指令后，TaskManager就会将一个或者多个插槽提供给JobManager调用。JobManager就可以向插槽分配任务（tasks）来执行了。
• 在执行过程中，一个TaskManager可以跟其它运行同一应用程序的
TaskManager交换数据

os : 面试问的多，面试的时候要好好记忆一下

问题2：Flink 任务提交流程？

不同技术的任务提交流程不同，不同的部署方式任务的提交流程也不同。

1.基础流程

os: 7: TaskManager 提供 slots
8: JobManager 提交要在 slots 中执行的任务

2. yarn 部署下任务提交流程
   
   yarn 模式下 新增 ApplicationMaster，NodeManager，Container 等概念
   1.NodeManager 代表 节点，主机
   2.ApplicationMaster #TODO
   3.Container 资源容器，插槽(slot) 也是资源的其中一种。

os : 说实话这个流程是真的烦，概念多，流程绕，种类还有好几种，一般面试的时候倒是可以吹一波。

问题3：Flink的任务调度原理