4.1 系统架构
Flink运行时架构
Flink 运行时由两种类型的进程组成:一个 JobManager 和一个或者多个 TaskManager。
1、作业管理器(JobManager)
JobManager是一个Flink集群中任务管理和调度的核心,是控制应用执行的主进程。也就是说,每个应用都应该被唯一的JobManager所控制执行。尽管在HA模式下,一个应用可以配置多个JobManager,但是实际运行中同一时刻只有一个在使用。
JobManager包含3个不同的组件:
- JobMaster
- ResourceManager
- Dispatcher
(1)JobMaster
(2)ResourceManager
(3)Dispatcher
2、任务管理器(TaskManager)
Client 不是运行时和程序执行的一部分,而是用于准备数据流并将其发送给 JobManager。之后,客户端可以断开连接(分离模式),或保持连接来接收进程报告(附加模式)
4.2 核心概念
1、数据并行和任务并行
数据并行:将输入数据分组,将同一操作(算子)的多个任务来并行执行在不同的数据子集上。
任务并行:不同算子同时执行
2、并行度
(1)并行子任务和并行度
**并行子任务:**在数据并行中,我们需要将同一算子“复制”多份到多个节点,数据来了之后就可以到其中任意一个执行。这样一来,一个算子任务就被拆分成了多个并行的“子任务”(subtasks),再将它们分发到不同节点,就真正实现了并行计算。这些子任务在不同的线程、不同的物理机或不同的容器中完全独立地执行。
**并行度:**一个算子的子任务数。不同算子可以有不同的并行度。
(2)并行度的设置
-
代码中设置
算子后面调用setParallelism()方法
-
提交应用时设置
bin/flink run –p 并行度 -c com.xxx.xxx xxx.jar
-
配置文件中设置 flink-conf.yaml
parallelism.default: 2
优先级:代码>命令行>配置
4.3 作业提交流程
1、Standalone会话模式作业提交流程
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hf6dyI0v-1693058508447)(https://drawing-bed-zlin.oss-cn-shenzhen.aliyuncs.com/img/202308262200798.png)]
2、逻辑流图、作业图、执行图、物理流图
逻辑流图(StreamGraph)→ 作业图(JobGraph)→ 执行图(ExecutionGraph)→ 物理图(Physical Graph)。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yB1HPwjd-1693058508447)(https://drawing-bed-zlin.oss-cn-shenzhen.aliyuncs.com/img/202308262200024.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-U23tcMGv-1693058508448)(第四章 Flink架构.assets/image-20230715095418312.png)]
1)逻辑流图(Stream Graph)
这是根据用户通过 DataStream API编写的代码生成的最初的DAG图,用来表示程序的拓扑结构。这一步一般在客户端完成。
2)作业图(JobGraph)
StreamGraph经过优化后生成的就是作业图(JobGraph),这是提交给 JobManager 的数据结构,确定了当前作业中所有任务的划分。主要的优化为:将多个符合条件的节点链接在一起合并成一个任务节点,形成算子链,这样可以减少数据交换的消耗。JobGraph一般也是在客户端生成的,在作业提交时传递给JobMaster。
我们提交作业之后,打开Flink自带的Web UI,点击作业就能看到对应的作业图
3)执行图(ExecutionGraph)
JobMaster收到JobGraph后,会根据它来生成执行图(ExecutionGraph)。ExecutionGraph是JobGraph的并行化版本,是调度层最核心的数据结构。与JobGraph最大的区别就是按照并行度对并行子任务进行了拆分,并明确了任务间数据传输的方式。
4)物理图(Physical Graph)
JobMaster生成执行图后,会将它分发给TaskManager;各个TaskManager会根据执行图部署任务,最终的物理执行过程也会形成一张“图”,一般就叫作物理图(Physical Graph)。这只是具体执行层面的图,并不是一个具体的数据结构。
物理图主要就是在执行图的基础上,进一步确定数据存放的位置和收发的具体方式。有了物理图,TaskManager就可以对传递来的数据进行处理计算了。