文章目录
- 说明
- 角色分工
- flink on yarn执行流程
- DataFlow执行过程
- 独立Operator
- Operator合并OperatorChain
- Operator算子间传递模式
- One TO One模式
- Redistributing模式
- 执行原理
- StreamGraph
- JobGraph
- ExecutionGrap
- 物理执行图
- 总结
说明
- 本博客每周五更新一次,上周五有事,推迟到今天更新。
- 本博文主要分享flink的系统架构和执行原理,介绍flink的角色分工和任务执行的具体步骤和过程。
角色分工
- 主要分为:client、管理节点、工作节点
flink on yarn执行流程
- flink提交任务到yarn
DataFlow执行过程
独立Operator
- DataFlow:flink程序在执行的时候回被映射成一个数据流模型
- Operator:数据流模型中的每一个操作被称为Operator,Operator分为:Source/Transform/Sink
- Partition:数据流模型是分布式和并行的,执行中会形成1~n个分区
- Subtask:多个分区任务可以并行,每个都是独立运行在一个线程中,也就是一个Subtask子任务。
- Parallelism:并行度,就是可以同时真正执行的子任务数/分区数
Operator合并OperatorChain
- 客户端在提交任务的时候,会对Operator进行优化操作,能进行合并的Operator会被合并为一个Operator,合并后的Operator称为OperatorChain,即一个执行链。
- 每个执行链会在TaskManager上独立的线程上运行
Operator算子间传递模式
One TO One模式
- 两个Operator用此模式传递的时候,会保持数据的分区数和数据的排序,如上图中Source1到Map1,它就是保留Source的分区特性,以及分区元素处理的有序性。
Redistributing模式
- 这种模式会改变数据的分区数,每一个Subtask会根据Transformation把数据发送到不同的目标Subtasks,比如keyBy()会通过hashcode重新分区,broadcast()和rebalance()方法会随机重新分区
执行原理
- flink执行分为四步:StreamGraph、GobGraph、ExecutionGraph、物理执行图
StreamGraph
- 最初程序执行逻辑图,即算子间执行顺序,client上生成。
- 流程化
JobGraph
- 将OneToOne的Operator合并为OperatorChain,Client上生成
- 流程优化合并
ExecutionGrap
- 将jobGraph根据代码中设置的并行度和请求的资源进行并行化规划,JobManager上生成。
- 并行化
物理执行图
- 经ExecutionGraph的并行执行,落实到具体的TaskManager上,将具体的SubTask落实到具体的TaskSlot内进行运行。
- 落实执行线程化
- TaskManager相当于进程,TaskSlot相当于线程。
总结
- 个人认为大型程序的设计理念坚持模块化为中心,分许需求确认功能,再将功能定义为不同模块,独立设计并实现各个模块的功能,最终连接各个模块形成整体,所谓大道至简。
- 这种方式设计的软件,结构清晰且易于调整优化,单个模块功能异常,不会引发整个系统雪崩,利于调试和维护,值得借鉴和学习,设计软件时,功能拆分模块化,功能尽量只有连接,没有交集。