Flink运行时架构&核心概念

Flink运行时架构

1. JobManager：协调，决定何时调度下一个task，对失败任务做恢复。

   • ResourceManager: 负责Flink集群中的资源提供、回收、分配，它负责管理task slot。standalone模式下，不能自行启动新的taskmanager
   • Dispatcher
     • 提供一个REST接口，用来提交Flink应用程序执行
     • 为每个提交的作业启动一个新的jobMaster
       -运行Flink Web UI
   • JobMaster: 负责管理单个JobGraph的执行，我们的代码Flink并不能直接执行，需要翻译为JobGraph才能执行。

2. TaskManger: 必须有一个

   • taskManaer和taskManager之间有数据交流

核心概念

1. 并行度

   • 并发：多个任务，资源只有一份，需要竞争执行

   • 并行：多个任务，资源有多份，可以同时执行

   • 并行度：一个作业并行执行的程序（数量）

   • 设置并行度

     • 1.代码中设置全局并行度 ：env.setParallelism(1);
     • 2.在idea中执行，，如果没有明确设置并行，默认为CPU核数
     • 3.在代码中设置算子并行度，map().setParallelism()
     • 4.不建议在代码中设置并行度，一般在提交作业到集群时指定并行度 bin/flink -p 并行度
     • 5.提交作业到集群，如果没有设置和代码中都没有设置，使用集群配置的并行度，一般为1

   • 优先级：算子并行 > 全局并行度 > shell命令 > 配置文件

2. 算子链
   • 上下游算子数据分发规则（数据分区规则）：ChannelSelector
     • RebalancePartitioner: 轮循方式,上下游并行度不一致时，默认是rebalance
     • RescalePartitioiiner: 相对负载均衡，按照轮循的方式将数据发送到下游组内Task的每个并行度中
     • ShufflePartitioner: 洗牌，按照随机的方式发送到下游Task的每个并行度中
     • BroadcastPartioner: 广播，根据下游并行度个数，每个发一份
     • GlobalPartitioner: 全局，所有的数据之后发送到下游task的第一个并行度中，强制并行度为1
     • KeyGroupStreamPartioner: keyBy的效果，按照key的hash值决定发往下游的哪个并行度中
     • ForwardPartitioner: 直连，上下游并行度一致。上游的并行度对应下游的并行度进行发送，如果上下游并行度一致，默认就是forward
   • 算子链： 将上下游的多个Task合并成一个大的Task，形成的链条就是算子链
   • 合并算子链：
     • 1.上下游并行度必须一样
     • 2.数据的分发规则是forward
   • 合并算子链的作用：减少线程间的切换，缓冲的开销，并且减少延迟的同时增加整体吞吐量
   • 能不能不合并？能
     • 1.全局禁用算子链合并 env.disableOperatorChaining()
     • 2.针对算子设置，startNewChain(): 开启新的算子链，从当前算子开始，与后面的进行合并disableNewChain():前面和后面不参与算子链合并