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；
作业管理器（JobManager）、资源管理器（ResourceManager）、任务管理器（TaskManager），以及分发器（dispatcher）。因为Flink是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：
作业管理器（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、库和其他资源的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执行他们的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。
资源管理器（ResourceManager）
主要负责管理任务管理器（TaskManager）的插槽（slot),TaskManager插槽是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已经standalone部署。
当JobManager申请插槽资源时2，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
分发器（dispatcher）
可以跨作业运行，它为应用提交了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移交给一个JobManager。
dispatcher也会启动一个Web UI,用来方便的展示和监控作业执行的信息。
dispatcher在架构中可能并不是必须的，这取决于应用提交运行的方式
任务调度原理：
并行度概念：
TaskManager和Slots
并行子任务的分配
程序与数据流（DataFlow)
执行图（ExecutionGraph）
数据传输形式
任务链（Operator Chains)
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
