【Flink】【第四章 Flink理论部分】Flink运行时架构

一个完整的例子

此示例将有关人员的记录流作为输入，并将其过滤为仅包括成年人。

import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.api.common.functions.FilterFunction;

public class Example {

    public static void main(String[] args) throws Exception {
        final StreamExecutionEnvironment env =
                StreamExecutionEnvironment.getExecutionEnvironment();

        DataStream<Person> flintstones = env.fromElements(
                new Person("Fred", 35),
                new Person("Wilma", 35),
                new Person("Pebbles", 2));

        DataStream<Person> adults = flintstones.filter(new FilterFunction<Person>() {
            @Override
            public boolean filter(Person person) throws Exception {
                return person.age >= 18;
            }
        });

        adults.print();

        env.execute();
    }

    public static class Person {
        public String name;
        public Integer age;
        public Person() {}

        public Person(String name, Integer age) {
            this.name = name;
            this.age = age;
        }

        public String toString() {
            return this.name.toString() + ": age " + this.age.toString();
        }
    }
}

Stream execution environment

Flink运行时架构主要包括四个不同的组件，它们会在运行流处理应用程序时协同工作：

1. 作业管理器（JobManager，管理job的执行，一个job一个jobManager）
2. 任务管理器（TaskManager）
3. 资源管理器（ResourceManager，flink集群自己的，不要和yarn的RM混淆；用于申请资源，如果flink部署在yarn上，会向yarn的RM申请资源，standalone模式下自己分配资源）
   4) 分发器（Dispatcher，当job提交的时候，用于给job分配jobManager，有的模式没有该组件）。

因为Flink是用Java和Scala实现的，所以所有组件都会运行在Java虚拟机上。每个组件的职责如下：

1.作业管理器（JobManager）

(1) 1对1

• 一个JobManager控制一个应用程序执行的主进程.
• 也就是说，每个应用程序(application,ExecutionEnvironment)都会被不同的JobManager所控制执行。

(2) 接收应用程序
应用程序包括：两图+资源
作业图（JobGraph）、逻辑数据流图（logical dataflow graph）+ 打包了所有的类、库和其它资源的JAR包。
JobManager会把JobGraph转换成“执行图”（ExecutionGraph）。

(3) 向资源管理器（ResourceManager）请求资源
资源 = 任务管理器（TaskManager）中的插槽（slot）。

(4) JobManager到了足够的资源将执行图分发到真正运行它们的TaskManager上。

(5) 责所有需要中央协调的操作，比如说检查点（checkpoints）的协调。

2.资源管理器（ResourceManager）

（1）管理任务执行需要的插槽（slot）
插槽是Flink中定义的计算资源的单元。

（2）多种类
Flink提供了多种类的资源管理器，为了适用于将flink部署在各种资源管理框架上，比如YARN、Mesos、K8s，以及standalone部署。（flink的ResourceManager需要向资源管理框架申请资源，因此需要符合通信协议，比如yarn,mesos这些框架里面通信协议是不同的）

（3）请外援
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。

（4）释放计算资源
ResourceManager还负责终止空闲的TaskManager

3. 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。

4.分发器（Dispatcher）

• 当一个应用被提交执行时，分发器就会启动并将应用移交给一个JobManager。
• 可以跨job运行，它为应用提交提供了REST接口。由于是REST接口，所以Dispatcher可以作为集群的一个HTTP接入点，这样就能够不受防火墙阻挡。
• 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。
• 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。(standalone 和 yarn session模式有，pro-job没有此组件)