文章目录
- JobManger
- TaskManager
- TaskSlots
- Client
上图，是我们Flink-WEB-UI 一部分截图
Flink 系统主要由两个组件组成，分别为 JobManager 和 TaskManager，Flink 架构遵循了 Master - Slave 架构设计原则，JobManager 为 Master 节点，TaskManager 为 Worker （Slave）节点。
Flink 在运行时，从分工上来说，又有着三种角色：JobManager、TaskManager、Client。
JobManger
JobManager :负责整个 Flink 集群任务的调度以及资源的管理从客户端中接收作业
>>>>>>>>
详细解释：客户端通过将编写好的 Flink 应用编译打包，提交到 JobManager，JobManger根据集群TaskManager 上 TaskSlot 的使用情况，为提交的应用分配相应的 TaskSlot 资源并命令 TaskManager 启动与执行从客户端中获取的作业；JobManger还负责协调Checkpoint 操作，每个 TaskManager 节点 收到 Checkpoint 触发指令后，完成 Checkpoint 操作，所有的 Checkpoint 协调过程都是在 Fink JobManager 中完成。
TaskManager
TaskManager: 负责具体的任务执行和任务资源申请和管理
>>>>>>>>
详细解释：TaskManger从 JobManager 接收需要执行的任务，然后申请Slot 资源（根据集群Slot使用情况以及并行度设置）并尝试启动Task，开始执行作业,TaskManager中最小的资源调度单位是TaskSlots。TaskManger数量由集群中Slave数量决定
TaskSlots
TaskSlots：Task共享系统资源(内存);TaskManger并发执行能力决定性因素。
**>>>>>>>>
详细解释：TaskSlots：TaskManager 是一个 JVM 进程，是实际负责执行计算的Worker，会以独立的线程来执行一个task或多个subtask。为了控制一个 TaskManager 能执行多少个 task，Flink 提出了 Task Slot 的概念
（1）Task之间通过 TaskSlot 方式共享系统资源（内存），TaskSlots也决定TaskManger并发执行能力。
（2）每个TaskSlot代表TaskManager资源不同分割。例如，具有三个插槽的TaskManager会将其内存的1/3平均分配到每个TaskSlot。分配资源意味着子任务不会与其他作业的子任务竞争内存，而是具有一定数量的保留托管内存。需要注意的是，此处没有对CPU进行隔离。当前TaskSlot仅将任务的内存进行隔离，简言之，即每个TaskSlot持有部分TaskManger内存，同一个作业下的task/subtask可共享TaskSlot
TaskSlot仅在属性为可用状态(Available)时才可被分配。
TaskSlot默认为1,可在Flink-conf.yml配置文件中进行更改
注意点：一个具体的TaskSlot仅可服务于一个Job
例如，我现在集群中只有一个TaskSlot,但是我启动了两个Job,第二个Job启动时，则会进行SCHEDULED 状态，等待集群为该job申请Slot资源
第二个Job进入SCHEDULED状态，等待资源申请
此状态会一直持续五分钟，五分钟后仍未申请到Slot资源，则此JOb会失败
TaskSlot默认为1,可在Flink-conf.yml配置文件中进行更改
TaskSlot一般设置为服务器核心数或者核心数/2 的数量,如有多个服务器，尽可能保证所有服务器TaskSlot数量一致
Flink集群运行时TaskSlot数量= 每个Flink集群节点服务器设置TaskSlot之和，如果节点TaskSlot一致，则为TaskManger num * TaskSlot num
Client
Client：Flink程序提交的客户端
>>>>>>>>>>
Client是Flink程序提交的客户端，当用户提交一个Flink程序时，会首先创建一个Client，该Client首先会对用户提交的Flink程序进行预处理，并提交到Flink集群中处理。正因为其需要提交到Flink集群，所以Client需要从用户提交的Flink程序配置中获取JobManager的地址，并建立到JobManager的连接，将Flink Job提交给JobManager。
