Flink快速了解（1）——架构

了解一个系统当然是先从整体的架构开始（难道不应该是quick start吗？）：

如上图，Flink这个分布式流批统一计算框架也是典型的主从架构，JobManager是主，TaskManager是从。JobManager其实是一个统称，其内部根据功能拆分成了3个大模块：

• ResourceManager：如其名，就是做资源管理的。Flink里面资源是以TaskManager提供的Slot形式存在的，所以其实就是管理Slot的。TaskManager启动后会向ResourceManager报告自己的slot情况，并且通过心跳和通知机制定期更新。之所以把这个模块单独出来，是因为资源管理框架已经很多了（但功能、实现、使用又有差异），比如YARN、Mesos、Kubernetes。所以单独出来以后，方便分别实现支持不同框架的ResourceManager 。另外，ResourceManager在设计上：（1）是无状态的，因为它的数据都是别人主动报告给它的，所以重启后可以重新获取。不过有的实现可能会有一点状态。（2）故障后不影响已经在运行的任务。ResourceManager一个集群只有一个**。
• JobMaster：JobMaster主要负责Job的调度运行、Checkpoint/Savepoint的触发、故障恢复等。每个Job都有一个自己的JobMaster。
• Dispatcher：Dispatcher的主要任务是接收Client提交上来的任务（这里的任务就是Job），然后为该任务创建JobMaster，之后将任务交给JobMaster去调度管理。所以Dispatcher自身并不会运行用户的代码，而且它提供的功能基本都是以http服务的形式向外暴露的，所以长期看，社区想把这个模块演变成一个Gateway，这样对于一些安全要求高的场景，这个模块就可以作为代理放在防火墙之外或对外网暴露（当然需要加认证），目前Flink WebUI的功能也是在该组件里面的。不考虑standby的情况下，Dispatcher一个集群只有一个。

注意：

1. 这里JobManager和JobMaster可能容易混淆，在早期版本，很多地方（包括官方文档）把JobMaster也称为JobManager，所以如果看一些旧的文档，一定要注意说的JobManager是指广义的JobManager（即包含ResourceManager、JobMaster、Dispatcher）还是狭义的JobManager（即只指JobMaster）。甚至有些时期的文档把广义的JobManager称为JobMaster，把JobMaster称为JobManager。
2. 注意区分“任务”这个词指的是Job还是组成Job的Task，本文中的任务基本都指的是Job。

所以，一个flink任务提交流程就是图中所示的6步：

1. 用户通过Client（比如命令行 flink run和Web UI）提交任务到Dispatcher；
2. Dispatcher为该任务创建JobMaster；
3. JobMaster向ResourceManager申请资源（即Slot）；
4. 此时如果没有资源，并且ResourceManager有动态创建TaskManager的能力（有的部署方式有，有的部署方式没有，后面介绍），ResourceManager就会创建TaskManager；没有动态创建TaskManager能力的部署方式，则需要先部署好TaskManager；
5. TaskManager创建好之后，向ResourceManager注册自己的资源；
6. ResourceManager分配资源后，该资源的所有者TaskManager就会向JobMaster提供资源。

Flink集群管理目前支持Standalone、YARN、Mesos、Kubernetes几种方式，不同的部署模式下，上面JobManager里面的组件的存在形式可能会有一些差异。

这部分的实现是在flink-runtime这个模块里面的，而且代码里面的命名和上面讲的大多是能直接对应上的，这部分是Flink的核心，设计也比较优雅，如果想深入源码了解Flink的内部运行机制，这个runtime模块自然是首选。

最后说一下这个Client，它虽然不是Flink运行期的一部分，但却是提交任务的窗口，凡是可以向集群提交任务的“工具”都可以称之为Client。截止目前，主要有如下Client：

• Scala Shell（bin/start-scala-shell.sh）
• SQL Client（bin/sql-client.sh）
• CommandLine（bin/flink）
• RESTful
• Python Shell（bin/pyflink-shell.sh）

以上内容基于目前最新的Flink 1.12.0版本。更多细节可参考：