Flink运行架构-运行组件介绍

Posted 2023-03-01 Alecor

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。