Flink从入门到真香(2、Flink运行时的组件）

Flink运行时架构主要包括四个不同的组件，它们会在运行流处理应用程序时协同工作；
作业管理器(JobManager)、资源管理器(ResourceManager)、任务管理器(TaskManager)，以及分发器(Dispatcher)。因为Flink是Java和Scala实现的，所以所有组件都会运行在Java虚拟机上，每个组件的职责如下：

作业管理器(JobManager)

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
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、库和其他资源的jar包
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。
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执行他们的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。

资源管理器(ResourceManager)

主要负责管理任务管理器(TaskManager)的插槽(slot),TaskManager插槽是flink中定义的处理资源单元。
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已经standalone部署。
当JobManager申请插槽资源时2，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)

可以跨作业运行，它为应用提交了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。
Dispatcher也会启动一个Web UI,用来方便的展示和监控作业执行的信息。
Dispatcher在架构中可能并不是必须的，这取决于应用提交运行的方式

任务调度原理：

并行度概念：

TaskManager和Slots

并行子任务的分配

程序与数据流(DataFlow)

执行图(ExecutionGraph)

数据传输形式

任务链(Operator Chains)