Flink架构

1、Apache Flink集群的核心架构：

        1、client（作业客户端）：提交任务的地方叫做客户端

        2、JobManager（作业管理器）：作用是用于管理集群中任务

        3、TaskManager（任务管理器）：负责执行Task的任务

2、Apache Flink的架构：

        1、JobManager：

                1、主要的作用是负责任务的调度，资源的分配以及将Task任务发送到TaskManager上去执行，会收集TaskManager的Heartbeat和统计信息

                2、Scheduler：负责的是资源的调度

                3、Checkpoint Coordinator：因为Flink中会做checkpoint，所以Checkpoint Coordinator的主要的工作就是负责定期做checkpoint。

        2、TaskManager：

                1、Task Solt（任务槽）：slot是flink中从资源层面进行调度的单位，是用来执行Task任务的。

                2、Memory & I/O Manager ：是用于管理内存数据

                3、Network Manager：负责管理网络连接的。在flink中，多个TaskManager之间也是有连接的，数据会以Data Streams的形式（数据流形式）将Flink中的上游的数据传输到下游。

                4、Actor System：负责远程调用的，是负责与JobManager之间进行通信的一个接口，工具，flink中不同的角色之间都是通过Actor来通信，程序拿到Client之后会通过Akka客户端来通信

Flink的主要的调度的流程：

        1、首先在client端，编写一段Program Code，然后在本地client端，构建出来一个Daraflow graph图，客户端就会将构建好的Daraflow graph（数据流图）图以dataflow的形式提交到JobManager上面

        2、此时JobManager端接收到客户端传输过来的Daraflow graph图，然会就会根据有没有shuffle，将图进行切分，转化成一个一个的Task

        3、JobManager会不断接收TaskManager的心跳消息，从而可以获取到有效的TaskManager

        4、然后将切分好的Task分发到TaskManager上面去执行。