差别

这里会显示出您选择的修订版和当前版本之间的差别。

--- 彻底了解大数据实时计算框架_flink [2019/12/08 21:05] – [Flink 整体架构] plough
+++ 彻底了解大数据实时计算框架_flink [2019/12/08 21:51] (当前版本) – plough
@@ 行 28: / 行 28: @@
 ===== Flink 整体架构 =====
-{{ wiki:404516676092904551.jpg }}
+{{:pasted:20191208-210604.jpeg}}
-从下至上：
+从下至上：
   - 部署：Flink 支持本地运行（IDE 中直接运行程序）、能在独立集群（Standalone 模式）或者在被 YARN、Mesos、K8s 管理的集群上运行，也能部署在云上。
   - 运行：Flink 的核心是分布式流式数据引擎，意味着数据以一次一个事件的形式被处理。
   - API：DataStream、DataSet、Table、SQL API。
   - 扩展库：Flink 还包括用于 CEP（复杂事件处理）、机器学习、图形处理等场景。
+===== Flink 支持多种方式部署 =====
+{{:pasted:20191208-210932.png}}
+Flink 是支持以 Standalone、YARN、Kubernetes、Mesos 等形式部署的。
+  * Local：直接在 IDE 中运行 Flink Job 时则会在本地启动一个 mini Flink 集群
+  * Standalone：在 Flink 目录下执行 bin/start-cluster.sh 脚本则会启动一个 Standalone 模式的集群
+  * YARN：YARN 是 Hadoop 集群的资源管理系统，它可以在群集上运行各种分布式应用程序，Flink 可与其他应用并行于 YARN 中，Flink on YARN 的架构如下：
+{{:pasted:20191208-211203.png}}
+  * Kubernetes：Kubernetes 是 Google 开源的容器集群管理系统，在 Docker 技术的基础上，为容器化的应用提供部署运行、资源调度、服务发现和动态伸缩等一系列完整功能，提高了大规模容器集群管理的便捷性，Flink 也支持部署在 Kubernetes 上，在 GitHub 看到有下面这种运行架构的。
+{{:pasted:20191208-211338.png}}
+通常上面四种居多，另外还支持 AWS、MapR、Aliyun OSS 等。
+===== Flink 分布式运行 =====
+Flink 作业提交架构流程见下图：
+{{:pasted:20191208-211854.png}}
+  - Program Code：我们编写的 Flink 应用程序代码
+  - Job Client：Job Client 不是 Flink 程序执行的内部部分，但它是任务执行的起点。 Job Client 负责接受用户的程序代码，然后创建数据流，将数据流提交给 Job Manager 以便进一步执行。 执行完成后，Job Client 将结果返回给用户
+  - Job Manager：主进程（也称为作业管理器）协调和管理程序的执行。 它的主要职责包括安排任务，管理 checkpoint ，故障恢复等。机器集群中至少要有一个 master，master 负责调度 task，协调 checkpoints 和容灾，高可用设置的话可以有多个 master，但要保证一个是 leader, 其他是 standby; Job Manager 包含 Actor system、Scheduler、Check pointing 三个重要的组件
+  - Task Manager：从 Job Manager 处接收需要部署的 Task。Task Manager 是在 JVM 中的一个或多个线程中执行任务的工作节点。 任务执行的并行性由每个 Task Manager 上可用的任务槽（Slot 个数）决定。 每个任务代表分配给任务槽的一组资源。 例如，如果 Task Manager 有四个插槽，那么它将为每个插槽分配 25％ 的内存。 可以在任务槽中运行一个或多个线程。 同一插槽中的线程共享相同的 JVM。
+同一 JVM 中的任务共享 TCP 连接和心跳消息。Task Manager 的一个 Slot 代表一个可用线程，该线程具有固定的内存，注意 Slot 只对内存隔离，没有对 CPU 隔离。默认情况下，Flink 允许子任务共享 Slot，即使它们是不同 task 的 subtask，只要它们来自相同的 job。这种共享可以有更好的资源利用率。