在Flink的运行架构中，有两大比较重要的组件：作业管理器（JobManager）和任务管理器（TaskManager）。
Flink的作业提交与任务处理时的系统如下图所示。
其中，客户端并不是处理系统的一部分，只是负责作业提交，在作业提交之后，可选择与JobManager断开连接。接下来，重点介绍一下JobManager和TaskManager在整个过程中所扮演的角色。
JobManager
JobManager是Flink集群中一个任务管理和调度的核心，是控制应用执行的主进程，每一个应用都应该被唯一的JM控制执行。在高可用的场景下，可能会出现多个JM，但是也只有一个正在运行的Leader节点，其余都是备用。JM又包含三个组件：JobMaster、ResourceManager、Dispatcher。
JobMaster
我们把对数据进行处理的操作统称为任务（task）,多个任务按照一定的先后顺序连接起来，就构成了作业（job）。而JobMaster是负责处理单独的作业，因此JobMaster和具体的job是一一对应的。
也就是说，多个job是可以运行在一个Flink集群上的，而每一个job则都有一个自己的JobMaster。
JobMaster在接收到客户端提交的应用后，会把作业图转换成一个物理层面的数据流图，也就是执行图，它包含了所有可以并发执行的任务。JobMaster会向资源管理器发出请求，申请执行任务必要的资源，一旦获取了足够资源，就会将执行图分发到真正运行他们的TaskManager上。
ResourceManager
ResourceManager主要负责资源的分配和管理，在Flink集群中只有一个。这里的资源是指TaskManager的任务槽（slot），它包含了机器用来执行计算的一组CPU和内存。每个任务都需要被分配到一个任务槽中执行。
这里的ResourceManager其实是Flink内置的，注意和其他资源管理平台区分开，比如K8S、YARN等。
TaskManager中的任务槽都会向ResourceManager注册的，当ResourceManager没有足够的任务槽时，它可以向资源管理平台发起会话，请求提供启动TaskManager进程的容器。
Dispatcher
Dispatcher主要负责提供一个REST接口，用来与集群进行交互和管理，负责为每一个新提交的作业启动一个新的JobMaser组件，以及启动一个WebUI用于展示和监控作业执行信息。
TaskManager
每个TaskManager都包含了一定数量的任务槽，任务槽是资源调度的最小单位，其数量限制了TaskManager能够并发处理的任务数量。
TaskManager启动之后，会向ResourceManager注册它的任务槽，收到指令后，TaskManager就会将一个或者多个任务槽提供给JobMaster用于分配任务的调用。