1.运行时架构
1.1 核心组件
1.1.1 JobManager
作业管理器，对于一个提交执行的作业，JobManager 是真正意义上的“管理者”（Master），负责管理调度，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。在不考虑高可用的情况下只能有一个
JobManager ，只有一个是正在运行的领导节点（leader），其他都是备用节点（standby）
JobManager包含三大核心组件：
- JobMaster
- ResourceManager
- Dispatcher
1.1.2 TaskManager
任务管理器，是Flink中的工作进程，称为Worker
- 数据流的具体计算由它来完成，每个Flink集群至少一个TaskManager，每一个TaskManager包含一定数量的任务槽（slot），slot是资源调度的最小单位，slot的数量决定了TaskManager并行处理任务的数量
- 启动后，TaskManager会向ResourceManager注册它的slots，收到ResourceManager的指令后，TaskManager就会将一个或多个slot提供给JobMaster调用，JobMaster就可以分配任务来执行了
- 在执行过程中，TaskManager 可以缓冲数据，还可以跟其他运行同一应用的 TaskManager交换数据
1.2 作业图
2. 作业提交流程
2.1 抽象流程
Flink 的提交流程，随着部署模式、资源管理平台的不同，会有不同的变化。首先我们从一个高层级的视角，来做一下抽象提炼，看一看作业提交时宏观上各组件是怎样交互协作的
2.2 独立模式（Standalone）
在独立模式下，只有两种部署方式会话模式和应用模式，没有分离模式。Flink的三种部署方式
两者整体的作业提交流程十分相似：TaskManager都需要手动启动，JobMaster向ResourceManager申请资源时，ResourceManager会直接要求TaskManager提供资源，区别在于，会话模式下，TaskManager是预先启动的，应用模式的TaskManager是作业提交时启动的
该作业流程除了ResourceManager不需要启动TaskManager，而是直接向已有的TaskManager要求资源，和上述抽象流程完全一致
2.3 FLINK ON YARN
flink在资源管理平台的作业提交流程，以YARN集群为例
- 会话模式
需要事先申请资源，如图所示：
这里只启动了 JobManager，在 JobManager 内部，由于还没有提交作业，故只有ResourceManager 和 Dispatcher 在运行，而 TaskManager 可以根据需要动态地启动。如图所示：
- 分离模式
在分离模式下，Flink 集群不会预先启动，而是在提交作业时，才启动新的 JobManager。具体流程如图所示：
- 应用模式
应用模式与分离模式的提交流程非常相似，只是初始提交给 YARN 资源管理器的不再是具体的作业，而是整个应用。一个应用中可能包含了多个作业，这些作业都将在 Flink 集群中启动各自对应的 JobMaster.
