Flink整体执行流程

Posted Asu_PC

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Flink整体执行流程相关的知识,希望对你有一定的参考价值。

以Flink源码中自带的WordCount为例,执行的入口从用户程序的execute()函数入手,execute()的源码如下:

 1 public JobExecutionResult execute(String jobName) throws Exception {
 2         StreamGraph streamGraph = getStreamGraph();
 3         streamGraph.setJobName(jobName);
 4         JobGraph jobGraph = streamGraph.getJobGraph();
 5         . . . . . . .
 6         LocalFlinkMiniCluster exec = new LocalFlinkMiniCluster(configuration, true);
 7         try {
 8             exec.start();
 9             return exec.submitJobAndWait(jobGraph, getConfig().isSysoutLoggingEnabled());
10         }
11         finally {
12             transformations.clear();
13             exec.stop();
14         }
15     }

  函数内部主要有getStreamGraph()、getJobGraph()、exec.start()、exec.submitJobAndWait()等。getStreamGraph()的作用是生成StreamGraph图,getJobGraph()的作用是生成JobGraph的图,exec.start()的作用是建立Client、JobManager、TaskManager三者之间通信初始化,exec.submitJobAndWait()的作用提交job并且等待job执行后的结果,该函数提供了任务执行调度执行的入口,进入Client类中,首先执行createUserCodeClassLoader()函数,创建用户代码的加载器,然后执行jobClient.SubmitJobAndWait(),进入JobClient类,在函数内部会执行submit函数,从该函数开始进入AKKA通信阶段,首先会进入JobClientActor,会创建一个jobclientActor来对JobManager和client进行通信,当通信对象创建之后,会执行akka机制的ask函数,该函数的作用是发出一个消息,然后要求收到方给予回复。当消息发出之后,OnReceive()函数会收到actor发出的消息请求,然后调用handleMessage()方法来处理消息请求,该函数内部有connectToJobManager()方法,此方法内部的tryToSubmitJob()函数是正式提交任务的操作,主要做的工作就是uploadUserJars()上传用户程序的jar文件,接着会jobManager.tell()向JobManager发出一个submit消息请求。

  当JobManager收到Client发送的消息之后,会执行JobManager内部的submitJob方法,

1 case SubmitJob(jobGraph, listeningBehaviour) =>
2       val client = sender()
3 
4       val jobInfo = new JobInfo(client, listeningBehaviour, System.currentTimeMillis(),
5         jobGraph.getSessionTimeout)
6       log.info("liuzf---开始执行JobManager的submitJob()")
7       submitJob(jobGraph, jobInfo)

 首先会把由client收到的job信息封装在jobinfo中,然后把jobinfo以及job的任务图jobGraph一起发送给submit()去执行,在JobManager的submit函数中处理的函数逻辑比较复杂,比较重要的函数执行过程如下:

 1 private def submitJob(jobGraph: JobGraph, jobInfo: JobInfo, isRecovery: Boolean = false): Unit = {
 2         try {
 3           libraryCacheManager.registerJob(jobGraph.getJobID, jobGraph.getUserJarBlobKeys,
 4             jobGraph.getClasspaths)
 5         }
 6         val userCodeLoader = libraryCacheManager.getClassLoader(jobGraph.getJobID)
 7       
 8         }
 9         executionGraph = ExecutionGraphBuilder.buildGraph()
10             try {
11               submittedJobGraphs.putJobGraph(new SubmittedJobGraph(jobGraph, jobInfo))
12           jobInfo.notifyClients(
13             decorateMessage(JobSubmitSuccess(jobGraph.getJobID)))
14             log.info(s"开始调度 job $jobId ($jobName).")
15             executionGraph.scheduleForExecution()

  首先执行libraryCacheManager.registerJob(),向CacheManager进行注册,请求缓存,然后执行getClassLoader()来加载用户的代码加载器,接下来会调用ExecutionGraph中的buildGraph()构造ExecutionGraph的并行化版本的执行图,当逻辑执行图构造完毕之后,这时候可以通知Client任务已经成功提交,并且提交过程结束。接下来会调用sheduleForExecution()来会整体的资源进行调度分配,主要是每个TaskManager中的slot的分配,并且当slot分配完成之后,所有的task的任务状态发生改变,由CREATEDàSCHEDULED。接下分配完之后,接下来执行depolyToSlot()函数,就要进入部署状态,同样会执行transitionState()函数,将SCHEDULED状态变为DEPOLYING状态,接着的重要函数是shumitTask()函数,该函数会通过AKKA机制,向TaskManager发出一个submitTask的消息请求,TaskManager收到消息请求后,会执行submitTask()方法,该函数的重要执行过程如下:

 1 public submitTask(){
 2      val task = new Task(. . . .)
 3       log.info(s"Received task ${task.getTaskInfo.getTaskNameWithSubtasks()}")
 4       val execId = tdd.getExecutionAttemptId
 5       val prevTask = runningTasks.put(execId, task)
 6       if (prevTask != null) {
 7               runningTasks.put(execId, prevTask)
 8         throw new IllegalStateException("TaskM}anager already contains a task for id " + execId)
 9       }
10       task.startTaskThread()
11       sender ! decorateMessage(Acknowledge.get())
12     }

  首先执行Task的构造函数,生成具体物理执行的相关组件,比如ResultPartition等,最后创建执行Task的线程,然后调用startTaskThread()来启动具体的执行线程,Task线程内部的run()方法承载了被执行的核心逻辑,该方法具体的内容为:

 

 1 public void run() {
 2         while (true) {
 3             ExecutionState current = this.executionState;
 4             if (current == ExecutionState.CREATED) {
 5                 if (transitionState(ExecutionState.CREATED, ExecutionState.DEPLOYING)) {
 6                     break;
 7                 }
 8             }
 9             invokable = loadAndInstantiateInvokable(userCodeClassLoader, nameOfInvokableClass);
10             network.registerTask(this);
11             Environment env = new RuntimeEnvironment(. . . . );    
12             invokable.setEnvironment(env);
13             // ----------------------------------------------------------------
14             //  actual task core work
15             if (!transitionState(ExecutionState.DEPLOYING, ExecutionState.RUNNING)) {
16             }
17             // notify everyone that we switched to running
18             notifyObservers(ExecutionState.RUNNING, null);
19             executingThread.setContextClassLoader(userCodeClassLoader);
20             // run the invokable
21             invokable.invoke();
22 
23             if (transitionState(ExecutionState.RUNNING, ExecutionState.FINISHED)) {
24                 notifyObservers(ExecutionState.FINISHED, null);
25             }
26             Finally{
27                 // free the network resources
28                 network.unregisterTask(this);
29                 // free memory resources
30                 if (invokable != null) {
31                     memoryManager.releaseAll(invokable);
32                 }
33                 libraryCache.unregisterTask(jobId, executionId);
34                 removeCachedFiles(distributedCacheEntries, fileCache);

  首先执行transitionState()函数将TaskManager的状态由CREATED转变为DEPOLYING状态,然后调用loadAndTrantiateInvokable()对用户代码打包成jar包,并且生成用户代码加载器,然后执行network.registerTask(),执行该函数之前,会执行NetworkEnvironment的构造函数,该类是TaskManager通信的主对象,主要用于跟踪中间结果并负责所有的数据交换,在该类中会创建协助通信的关键部件,比如网络缓冲池,连接管理器,结果分区管理器,结果分区可消费通知器等。当网络对象准备完成后,创建一个运行环境,然后执行invoke.setEnvironment(env),将各种配置打包到运行环境中。

  当运行环境准备之后,接下来到了具体分析任务执行的时候,首先会调用transitionState()函数将任务状态由DEPOLYING改为RUNNING状态,然后会调用notifyObservers()通知所有的task观察者也改变状态,然后执行setContextClassLoader()将执行的类加载器设置为用户执行的加载器,然后执行invokable.invoke(),该函数是分界点,执行前用户逻辑没有被触发,执行之后说明用户逻辑已完成。当执行完成之后,调用transitionState()函数执行的RUNNING状态改成FINISHED状态。同样调用notifyObservers()来通知其他观察者改变状态,最后,释放资源。

总体的函数执行图如下:因图片太大------>>>>>

https://pan.baidu.com/disk/home#list/vmode=list&path=%2F%E5%A4%A7%E6%95%B0%E6%8D%AE%2Fflink%2Fimg

 

 

以上是关于Flink整体执行流程的主要内容,如果未能解决你的问题,请参考以下文章

看懂Flink整体框架的Job执行流程

看懂Flink整体框架的Job执行流程

Flink运行架构剖析

一文搞定 Flink Task 提交执行全流程

Android 逆向整体加固脱壳 ( DEX 优化流程分析 | DexPrepare.cpp 中 dvmOptimizeDexFile() 方法分析 | /bin/dexopt 源码分析 )(代码片段

FlinkFlink 源码阅读笔记(15)- Flink SQL 整体执行框架