一 、Flink基本介绍
Spark底层是微批处理 , Flink底层则是实时流计算
流式计算特点:
数据是源源不断产生,两大问题,乱序和延迟
Stateful:有状态
Flink的三个部分
Source:Transactions , logs ,iot ,clicks
Transformation: 事件驱动 , ETL , 批处理
Sink : 输出 HDFS ,Kafka
Flink的特性
支持高吞吐, 低延迟,高性能的流处理
支持带有事件时间的窗口操作。
支持有状态计算的exactly-once语义
支持Checkpoint实现容错
支持具有Backpressure背压功能的持续流模型
支持流处理和批处理
在JVM内部实现了内存管理
四大基石:
time,window,checkpoint,容错
二、 Flink基础架构
Flink作业运行流程
课上记录:
JobManger:管理众多TaskManager。
TaskManger:执行具体的任务,定时向JobManager汇报心跳,任务执行状态。
Slot槽位:物理资源,任务运行的具体场所
用户提交Flink程序得到jobclient,经过jobclient处理,解析,优化提交到jobManager,最后由TaskManager运行task.
JobClient是Flink程序与JobManager交互的桥梁,主要负责接收程序,解析程序的执行计划,优化程序的执行计划,然后提交计划到JobManager,在Flink中主要有三类计划Operator.
Source : 数据源操作,比如文件,socket,Kafka等.
Transformation: 数据转换操作,比如map, flatmap, reduce等算子.
Sink : 数据存储操作, 数据存储到HDFS,Mysql,Kafka等.
Flink模块
核心:DataStream API
FlinkSQL: SQL
图计算:Gelly
机器学习:FlinkML
Flink可以运行在多种集群下:
- Local(本地)
一个进程模拟主节点和从节点。
- Standalone(独立)
主节点和从节点是两个进程,他们是独立的。
- Flink on Yarn(生产使用)
Flink专注于任务的分配和任务的管理,Yarn专注于资源的分配
Spark:cluster、client,Driver进程运行的地方不一样。
Flink On Yarn有三种模式,分别是:
session模式:session,会话,因此也称之为会话模式(Spark中没有的模式)。开发测试使用,生产不能用
per-job模式:Job分离模式(类似于Spark中的Client模式)。
application模式:application,应用,也称之为应用模式(类似于Spark中的Cluster模式)。
会话模式,就是在Yarn会动态初始化一个Flink集群(Flink Yarn-session),这个集群会随着会话的存在而存在,会随着会话的停止而消失。
也就是说,如果我们要启动一个session的话,要分为2步
也称Job分离模式,和Spark的client类似。
在提交任务的时候,Yarn会创建一个Flink集群,这个集群是这个任务专属的。待任务运行完之后,集群就会销毁。
所有任务提交都一样。