大数据秋招学习笔记11

Flink基础知识：
1）Apache Flink 是一个框架和分布式处理引擎，用于对无界和有界数据流进行状态计算。
2）Flink vs Spark Streaming：
数据模型
– spark 采用 RDD 模型，spark streaming 的 DStream 实际上也就是一组组小批
数据 RDD 的集合。
– flink 基本数据模型是数据流，以及事件（Event）序列。
运行时架构
– spark 是批计算，将 DAG 划分为不同的 stage，一个完成后才可以计算下一个。
– flink 是标准的流执行模式，一个事件在一个节点处理完后可以直接发往下一个节
点进行处。
3）Flink 运行时的组件：
作业管理器（JobManager）：
（1）控制一个应用程序执行的主进程，也就是说，每个应用程序都会被一个不同的
JobManager 所控制执行。
（2）JobManager 会先接收到要执行的应用程序，这个应用程序会包括：作业图
（JobGraph）、逻辑数据流图（logical dataflow graph）和打包了所有的类、
库和其它资源的JAR包。
（3）JobManager 会把JobGraph转换成一个物理层面的数据流图，这个图被叫做
“执行图”（ExecutionGraph），包含了所有可以并发执行的任务。
（4）JobManager 会向资源管理器（ResourceManager）请求执行任务必要的资源，
也就是任务管理器（TaskManager）上的插槽（slot）。一旦它获取到了足够的
资源，就会将执行图分发到真正运行它们的TaskManager上。而在运行过程中，
JobManager会负责所有需要中央协调的操作，比如说检查点（checkpoints）
的协调。
任务管理器（TaskManager）：
（1）Flink中的工作进程。通常在Flink中会有多个TaskManager运行，每一
个TaskManager都包含了一定数量的插槽（slots）。插槽的数量限制
了TaskManager能够执行的任务数量。
（2）启动之后，TaskManager会向资源管理器注册它的插槽；收到资源管理
器的指令后，TaskManager就会将一个或者多个插槽提供给
JobManager调用。JobManager就可以向插槽分配任务（tasks）来
执行了。
（3）在执行过程中，一个TaskManager可以跟其它运行同一应用程序的
TaskManager交换数据。
资源管理器（ResourceManager）：
（1）主要负责管理任务管理器（TaskManager）的插槽（slot），
TaskManger 插槽是Flink中定义的处理资源单元。
（2）Flink为不同的环境和资源管理工具提供了不同资源管理器，比如YARN、
Mesos、K8s，以及standalone部署。
（3）当JobManager申请插槽资源时，ResourceManager会将有空闲插槽
的TaskManager分配给JobManager。如果ResourceManager没有足
够的插槽来满足JobManager的请求，它还可以向资源提供平台发起会
话，以提供启动TaskManager进程的容器。
分发器（Dispatcher）：
（1）可以跨作业运行，它为应用提交提供了REST接口。 • 当一个应用被提交执行时，分发器就会启动并将应用移交给一个JobManager。
（2）Dispatcher也会启动一个Web UI，用来方便地展示和监控作业
执行的信息。
（3）Dispatcher在架构中可能并不是必需的，这取决于应用提交运行
的方式。