Flink：执行流程

上图表述了Flink的应用程序结构，有Source（源头）、Transformation（转换）、Sink（接收器）三个重要组成部分

• Source

  数据源，定义Flink从哪里加载数据，Flink 在流处理和批处理上的 source 大概有 4 类：基于本地集合的 source、基于文件的 source、基于网络套接字的 source、自定义的 source。自定义的 source 常见的有 Apache kafka、RabbitMQ 等。

• Transformation

  数据转换的各种操作，也称之为算子，有 Map / FlatMap / Filter / KeyBy / Reduce / Window等，可以将数据转换计算成你想要的数据。

• Sink

  接收器，Flink 将转换计算后的数据发送的地点 ，定义了结果数据的输出方向，Flink 常见的 Sink 大概有如下几类：写入文件、打印出来、写入 socket 、自定义的 sink 。自定义的 sink 常见的有 Apache kafka、RabbitMQ、MySQL、ElasticSearch、Apache Cassandra、HDFS等。

Flink优化

Task和SubTask

• Task 是一个阶段多个功能相同 SubTask 的集合，类似于 Spark 中的 TaskSet。

• SubTask（子任务）

  SubTask 是 Flink 中任务最小执行单元，是一个 Java 类的实例，这个 Java 类中有属性和方法，完成具体的计算逻辑

  比如一个执行操作map，分布式的场景下会在多个线程中同时执行，每个线程中执行的都叫做一个SubTask

Operator chain(操作器链)

        Flink的所有操作都称之为Operator，客户端在提交任务的时候会对Operator进行优化操作，能进行合并的Operator会被合并为一个Operator，合并后的Operator称为Operator chain，实际上就是一个执行链，每个执行链会在TaskManager上一个独立的线程中执行。 

任务槽和槽共享

任务槽也叫做task-slot、槽共享也叫做slot sharing

 

         每个TaskManager是一个JVM的进程, 可以在不同的线程中执行一个或多个子任务。

        为了控制一个worker能接收多少个task。worker通过task slot来进行控制（一个worker至少有一个task slot）

• 任务槽

  每个task slot表示TaskManager拥有资源的一个固定大小的子集。 一般来说:我们分配槽的个数都是和CPU的核数相等，比如6核，那么就分配6个槽.

  Flink将进程的内存进行了划分到多个Slot中。假设一个TaskManager机器有3个slot，那么每个slot占有1/3的内存（平分）。

  内存被划分到不同的slot之后可以获得如下好处:

  • TaskManager最多能同时并发执行的任务是可以控制的，那就是3个，因为不能超过slot的数量

  • slot有独占的内存空间，这样在一个TaskManager中可以运行多个不同的作业，作业之间不受影响

• 槽共享

  默认情况下，Flink允许子任务subtast（map[1] map[2] keyby[1] keyby[2] ）共享插槽，即使它们是不同任务的子任务，只要它们来自同一个作业。结果是一个槽可以保存作业的整个管道。 （目的：减少shuffle （把多个map进行中间操作）时网络通信和IO操作提高效率）