Flink底层架构与运行流程

这张图展示了Flink程序的架构和运行流程。

主要组件及功能：

1. Flink Program（Flink程序） ：
   • 包含Program code（程序代码），这是用户编写的业务逻辑代码。
   • 经过Optimizer / Graph Builder（优化器/图构建器）处理后，生成Dataflow graph（数据流图），它表示了程序中数据处理的流程和任务之间的关系。
2. Client（客户端） ：
   • 包含Actor System（Actor系统），用于与其他组件进行通信和交互。
   • 客户端的主要功能是向JobManager提交作业（Submit job (send dataflow)），以及取消或更新作业（Cancel / update job）。同时，它还接收来自TaskManager的状态更新（Status updates）和统计结果（Statistics & results）。
3. JobManager（作业管理器） ：
   • 也包含Actor System，用于与客户端和TaskManager进行通信。
   • 它是整个系统的核心组件，负责协调和管理作业的执行。
   • Scheduler（调度器）负责将任务分配到不同的TaskManager上执行。
   • Checkpoint Coordinator（检查点协调器）负责协调分布式快照（检查点）的创建，以保证数据处理的容错性和一致性。
   • 它还持有Dataflow Graph，用于根据数据流图来调度和管理任务。
4. TaskManager（任务管理器） ：
   • 每个TaskManager包含多个Task Slot（任务槽），任务槽是执行任务的基本单位，图中显示每个TaskManager有三个任务槽，其中部分任务槽中已经有Task（任务）在执行。
   • Memory & I/O Manager（内存和I/O管理器）负责管理任务的内存和输入输出操作。
   • Network Manager（网络管理器）负责管理任务之间的数据传输，通过Data Streams（数据流）在不同的TaskManager之间传输数据。
   • Actor System用于与JobManager和其他TaskManager进行通信，包括发送任务状态（Task Status）、心跳（Heartbeats）、统计信息（Statistics）等，同时接收来自JobManager的任务部署、停止、取消等指令（Deploy/Stop Cancel Tasks）以及触发检查点（Trigger Checkpoints）等操作。

整体流程：

1. 用户编写Flink程序代码，经过优化器和图构建器生成数据流图。
2. 客户端将数据流图提交给JobManager。
3. JobManager根据数据流图和资源情况，通过调度器将任务分配到不同的TaskManager的任务槽中执行。
4. TaskManager执行任务，并通过网络管理器进行数据传输，同时通过Actor系统与JobManager和其他TaskManager进行通信，汇报任务状态、心跳、统计信息等，并接收管理指令。
5. JobManager协调整个作业的执行，包括检查点的创建等，以确保作业的正确执行和容错性。

这种架构使得Flink能够高效地处理大规模数据流，具有良好的可扩展性和容错性，广泛应用于实时数据处理和流式计算等场景。