关键词：

Flink 运行时的组件介绍

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（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）

一、作业管理器 （JobManager）

JobManager控制一个应用程序执行的主进程叫JobMaster，提交的每一个应用程序都会被一个不同的 JobMaster 所控制执行。
JobMaster 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。JobMaster 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。

JobMaster 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，就会将执行分发到真正运行它们的TaskManager 上。

而在运行过程中，JobMaster 会负责所有需要中央协调的操作，比如说检查点（checkpoints）的协调。

二、资源管理器（ResourceManager）

主要负责管理任务管理器（TaskManager）的插槽（slot），TaskManger 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，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。

另外，ResourceManager 还负责终止空闲的 TaskManager，释放计算资源。

三、任务管理器（TaskManager）

通常在 Flink 中会有多个 TaskManager 在运行，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。

四、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移交给一个 JobManager。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。

任务提交流程

单机模式下的任务调用流程

YARN 会话模式任务提交流程

YARN单作业模式下的调用流程

Flink 任务提交后

• 1 Flink Client 向 HDFS 上传 Flink 的 Jar 包和配置，之后向 Yarn的 ResourceManager 提交任务，ResourceManager 分配 Container 资源并通知对应的NodeManager 启动 ApplicationMaster（对应Flink中的JobManager），

• 2 ApplicationMaster 启动后加载 Flink 的 Jar 包和配置构建环境，然后启动 JobManager，之后 ApplicationMaster向 ResourceManager申请资源启动 TaskManager

• 3 ResourceManager 分配 Container 资 源 后 ，由ApplicationMaster 通知资源所在节点的 NodeManager启动TaskManager ， NodeManager 加载 Flink 的ar 包和配置构建环境并启动 TaskManager，TaskManager启动后向 JobManager 发送心跳包，并等待JobManager 向其分配任务。

任务调度原理

当 Flink 集 群 启 动 后，首先会启动一个 JobManger 和一个或多个的TaskManager。
由 Client 提交任务给 JobManager，JobManager 再调度任务到各个TaskManager 去执行，然后 TaskManager 将心跳和统计信息汇报给 JobManager。

TaskManager 之间以流的形式进行数据的传输。上述三者均为独立的 JVM 进程。

JobManager 主 要 负 责 调 度 Job 并 协 调 Task 做 checkpoint，从Client 处接收到 Job 和 JAR 包等资源后，会生成优化后的执行计划，并以 Task 的单元调度到各个 TaskManager去执行。

TaskManager 在启动的时候就设置好了槽位数（Slot），每个slot能启动一个Task，Task为线程。从
JobManager 处接收需要部署的 Task，部署启动后，与自己的上游建立 Netty 连接，接收数据并处理。

apacheflink快速入门-基本架构、核心概念和运行流程

...Flink独立于ApacheHadoop，且能在没有任何Hadoop依赖的情况下运行。但是，Flink可以很好的集成很多Hadoop组件，例如HDFS、YARN或HBase。当与这些组件一起运行时，Flink可以从HDFS读取数据，或写入结果和检查点（checkpoint）/快照（snapshot）... 查看详情

flink运行时架构及各部署模式下作业提交流程

1.运行时架构1.1核心组件1.1.1JobManager作业管理器，对于一个提交执行的作业，JobManager是真正意义上的“管理者”（Master），负责管理调度，是一个Flink集群中任务管理和调度的核心，是控制应用执行的... 查看详情

3.flink运行时架构解析

 1.flink任务调度原理Flink运行时架构主要组成：       Client、JobManager(master节点)和TaskManger(slave节点)。 Client：Flink作业在哪台机器上面提交，那么当前机器称之为Client。用户开发的Program代码，它会构建出DataFlow... 查看详情

flink——部署与运行架构(代码片段)

一、下载&启动官网上下载安装包，执行下列命令即启动完成。./bin/start-cluster.sh效果图二、提交任务 查看详情

flinkflink运行时的架构(代码片段)

Flink运行时的架构Flink运行时的组件作业管理器(JobManager)任务管理器（TaskManager）资源管理器（ResourceManager）分发器（Dispatcher）任务提交流程任务调度原理并行度TaskManager和Slots并行子任务的分配程序和数据... 查看详情

flink运行架构详解

...一个作业的失败与否并不会影响下一个作业的正常提交和运行。独享Dispatcher和ResourceManager，按需接受资源申请；适合规模大长时 查看详情

大数据（9c）flink运行架构(代码片段)

文章目录运行架构图1、Client（客户端）2、JobManager（作业管理器）2.1、ResourceManager（资源管理器）2.2、Dispatcher（调度器）2.3、JobMaster（作业主控器）3、TaskManager3.1、Slot&#x 查看详情

flink的运行架构详细剖析(代码片段)

1.Flink程序结构Flink程序的基本构建块是流和转换（请注意，Flink的DataSetAPI中使用的DataSet也是内部流）。从概念上讲，流是（可能永无止境的）数据记录流，而转换是将一个或多个流作为一个或多个流的... 查看详情

flink：特性、概念、组件栈、架构及原理分析

...和批量数据处理的开源计算平台，它能够基于同一个Flink运行时（FlinkRuntime），提供支持流处理和批处理两种类型应用的功能。现有的开源计算方案，会把流处理和批处理作为两种不同的应用类型，因为他们它们所提供的SLA是完... 查看详情

flink入门——flink架构介绍

1、基本组件栈了解Spark的朋友会发现Flink的架构和Spark是非常类似的，在整个软件架构体系中，同样遵循着分层的架构设计理念，在降低系统耦合度的同时，也为上层用户构建Flink应用提供了丰富且友好的接口。https://mmbiz.qpic.cn/mm... 查看详情

大数据flink进阶：apacheflink架构介绍

ApacheFlink架构介绍一、Flink组件栈在Flink的整个软件架构体系中，同样遵循这分层的架构设计理念，在降低系统耦合度的同时，也为上层用户构建Flink应用提供了丰富且友好的接口。上图是Flink基本组件栈，从上图可... 查看详情

大数据开发-flink-体系结构 &&运行架构

Flink体系结构以及主要组成像大多数大数据框架一样，Flink是非常经典的Master/Slave结构实现，JobManager是Master，TaskManager是Slave。JobManager处理器（Master）协调分布式执行，它们用来调度task，协调检查点(Chec... 查看详情

大数据（9c）flink运行架构(代码片段)

文章目录运行架构图1、Client（客户端）2、JobManager（作业管理器）2.1、ResourceManager（资源管理器）2.2、Dispatcher（调度器）2.3、JobMaster（作业主控器）3、TaskManager3.1、Slot（插槽）3.2、T... 查看详情

flink流式计算从入门到实战二(代码片段)

文章目录三、Flink运行架构1、JobManager和TaskManager2、并发度与Slots3、开发环境搭建4、提交到集群执行5、并行度分析6、Flink整体运行流程Flink流式计算实战专题二==楼兰三、Flink运行架构这一章重点是分析清楚运行架构以及并... 查看详情

flink集群架构

...，还有一个重要的角色就是Client。Client虽然不是FlinkCluster运行态的一部分，但也是Flink重要组件之一，用来提交流任务。Flink集群之间的通信，是通过AkkaActorSystem来进行管控通信的。包括Client-JobManager和JobManager-TaskManager，而TaskMana... 查看详情

最新flink1.13运行时架构（jobmanagertaskmanageryarnslotsjobgraph）快速入门详细教程(代码片段)

Flink运行时架构文章目录Flink运行时架构一、系统架构1.作业管理器（JobManager）2.任务管理器（TaskManager）二、作业提交流程1.高层级抽象2.独立模式（Standalone）3.YARN集群三、一些重要概念1.数据流图（Data... 查看详情

flink部署-1.16(代码片段)

...的是每个Flink集群的组成部分。首先会有一个在某处一直运行的客户端，这个客户端会将Flink应用程序中的代码转换为JobGraph，并将其提交给JobManager。JobManager会将任务分布到TaskManager中，TaskManager会一直运行真正的算子... 查看详情

1.flink介绍发展历史官方介绍组件栈应用场景

...马程序员贺岁视频1.Flink介绍1.1.发展历史1.2.官方介绍1.3.组件栈1.4.应用场景1.Flink介绍1.1.发展历史1.2.官方介绍1.3.组件栈在1.12版本中DataSetAPI已经淘汰，DataStream支持流批一体开发。1.4.应用场景所有的流式计算 查看详情