深度了解flink(七) JobManager(1) 组件启动流程分析

前言

JobManager是Flink的核心进程，主要负责Flink集群的启动和初始化，包含多个重要的组件(JboMaster，Dispatcher，WebEndpoint等)，本篇文章会基于源码分析JobManagr的启动流程，对其各个组件进行介绍，希望对JobManager有一个更全面的了解。

集群启动模式

ClusterEntryPoint是Flink集群的入口点的基类，该类是抽象类，类继承关系UML图如下

通过上图可知道，Flink有3种集群模式

Flink Session集群

根据不同的资源管理器，有3个不同的子类：

• StandaloneSessionClusterEntrypoint Standalone session模式下集群的入口类
• KubernetesSessionClusterEntrypoint K8s session模式下集群的入口类
• YarnSessionClusterEntrypoint Yarn session模式下集群的入口类

集群生命周期：

在 Flink Session 集群中，客户端连接到一个预先存在的、长期运行的集群，该集群可以接受多个作业提交。即使所有作业完成后，集群（和 JobManager）仍将继续运行直到手动停止 session 为止。因此，Flink Session 集群的寿命不受任何 Flink 作业寿命的约束。

资源隔离：

Flink作业共享集群的ResourceManager和Dispacher等组件，TaskManager slot 由 ResourceManager 在提交作业时分配，并在作业完成时释放。由于所有作业都共享同一集群，因此在集群资源方面存在一些竞争 — 例如提交工作阶段的网络带宽。此共享设置的局限性在于，如果 TaskManager 崩溃，则在此 TaskManager 上运行 task 的所有作业都将失败；类似的，如果 JobManager 上发生一些致命错误，它将影响集群中正在运行的所有作业。

适用场景：

因为组件共享，session集群资源使用率高，集群预先存在，不需要额外申请资源，适合一些比较小的，不是长期运行的作业，例如SQL预览，交互式查询，实时任务测试环境等

Flink Per Job集群

只要Yarn提供了继承的子类：YarnJobClusterEntrypoint

集群生命周期：

在 Flink Job 集群中，可用的集群管理器（例如 YARN）用于为每个提交的作业启动一个集群，并且该集群仅可用于该作业。一旦作业完成，Flink Job 集群将被拆除。

资源隔离：

每一个提交的Flink应用程序单独创建一套完整集群环境，该Job独享使用的计算资源和组件服务。

使用场景：

实时由于Per Job模式下用户应用程序的main方法在客户端执行生成JobGraph，任务量大情况下存在性能瓶颈，目前已被标记为废弃状态。

Flink Application集群

根据不同的资源管理器，有3个不同的子类：

• StandaloneApplicationClusterEntryPoint Standalone Application模式下集群的入口类
• KubernetesApplicationClusterEntrypoint K8s Application模式下集群的入口类
• YarnApplicationClusterEntryPoint Yarn Application模式下集群的入口类

集群生命周期：

Flink Application 集群是专用的 Flink 集群，仅从 Flink 应用程序执行作业，并且main方法在集群上而不是客户端上运行。应用程序逻辑和依赖打包成一个可执行的作业 JAR 中，并且集群入口（ApplicationClusterEntryPoint）负责调用main方法来提取 JobGraph

资源隔离：

每一个提交的Flink应用程序单独创建一套完整集群环境，该Job独享使用的计算资源和组件服务。

使用场景：

Application模式资源隔离性好，Per Job模式的替换方案，适合长期运行、具有高稳定性的大型作业

JobManager启动流程

JobManger启动流程在不同模式下基本相同，Standalone模式可以在本地运行（可以参考），方便Debug，因为使用Standalone模式的入口类StandaloneSessionClusterEntrypoint进行启动流程的分析。

main方法入口

public static void main(String[] args) {// 打印系统相关信息EnvironmentInformation.logEnvironmentInfo(LOG, StandaloneSessionClusterEntrypoint.class.getSimpleName(), args);//信号注册器，注册系统级别的信号，接收到系统级别终止信号优雅的关闭SignalHandler.register(LOG);//注册一个安全的钩子，这样jvm停止之前会睡眠5s去释放资源，5s之后强制关闭JvmShutdownSafeguard.installAsShutdownHook(LOG);// 解析命令行参数，获取配置信final EntrypointClusterConfiguration entrypointClusterConfiguration =ClusterEntrypointUtils.parseParametersOrExit(args,new EntrypointClusterConfigurationParserFactory(),StandaloneSessionClusterEntrypoint.class);//加载config.yaml，构建Configuration对象Configuration configuration = loadConfiguration(entrypointClusterConfiguration);StandaloneSessionClusterEntrypoint entrypoint =new StandaloneSessionClusterEntrypoint(configuration);ClusterEntrypoint.runClusterEntrypoint(entrypoint);
}

主要步骤：

1. 打印系统信息。
2. 注册信号处理器，注册系统级别的信号，确保优雅关闭。
3. 注册一个安全的钩子，这样jvm停止之前会睡眠5s去释放资源，5s之后强制关闭。
4. 解析命令行参数，加载配置文件。
5. 初始化 StandaloneSessionClusterEntrypoint。
6. 调用 ClusterEntrypoint#runClusterEntrypoint 方法启动集群。

ClusterEntrypoint#runClusterEntrypoint

public static void runClusterEntrypoint(ClusterEntrypoint clusterEntrypoint) {final String clusterEntrypointName = clusterEntrypoint.getClass().getSimpleName();
try {//clusterEntrypoint.startCluster();
} catch (ClusterEntrypointException e) {LOG.error(String.format("Could not start cluster entrypoint %s.", clusterEntrypointName),e);System.exit(STARTUP_FAILURE_RETURN_CODE);
}//无关代码 无需关注
}

核心步骤：

• 调用 clusterEntrypoint.startCluster() 启动集群。

ClusterEntrypoint#startCluster

public void startCluster() throws ClusterEntrypointException {//无关代码 无需关注try {FlinkSecurityManager.setFromConfiguration(configuration);//插件管理类，用来加载插件。插件加载两种方式。//1).通过如下参数配置FLINK_PLUGINS_DIR。//2).将插件jar包放入到plugins下PluginManager pluginManager =PluginUtils.createPluginManagerFromRootFolder(configuration);//初始化文件系统的配置configureFileSystems(configuration, pluginManager);//初始化安全上下文环境 默认HadoopSecurityContext，Hadoop安全上下文，//使用先前初始化的UGI(UserGroupInformation)和适当的安全凭据。比如Kerberos。//总结：初始化安全环境，创建安全环境的时候会做一系列的检查。SecurityContext securityContext = installSecurityContext(configuration);ClusterEntrypointUtils.configureUncaughtExceptionHandler(configuration);//安全的情况下调用runCluster开始初始化组件securityContext.runSecured((Callable<Void>)() -> {runCluster(configuration, pluginManager);return null;});} catch (Throwable t) {//异常处理代码 无需关注}}

startCluster方法主要做了一些环境和配置初始化的工作

主要步骤：

1. 初始化插件管理器，用来加载插件。
2. 初始化文件系统设置 例如 hdfs、本地file。此时只是初始化的配置。
3. 初始化安全环境。
4. 安全环境下调用 runCluster 方法。

ClusterEntrypoint#runCluster

private void  runCluster(Configuration configuration, PluginManager pluginManager)throws Exception {synchronized (lock) {//初始化集群所需要的服务：例如通信服务，监控服务，高可用服务等initializeServices(configuration, pluginManager);// write host information into configurationconfiguration.set(JobManagerOptions.ADDRESS, commonRpcService.getAddress());configuration.set(JobManagerOptions.PORT, commonRpcService.getPort());//创建Dispatcher和ResourceManger组件的工厂类final DispatcherResourceManagerComponentFactorydispatcherResourceManagerComponentFactory =createDispatcherResourceManagerComponentFactory(configuration);//创建Dispatcher和ResourceManger组件clusterComponent =dispatcherResourceManagerComponentFactory.create(configuration,resourceId.unwrap(),ioExecutor,commonRpcService,haServices,blobServer,heartbeatServices,delegationTokenManager,metricRegistry,executionGraphInfoStore,new RpcMetricQueryServiceRetriever(metricRegistry.getMetricQueryServiceRpcService()),failureEnrichers,this);//组件停止运行后的异步方法clusterComponent.getShutDownFuture().whenComplete(//代码省略)}}

主要步骤：

1.初始化集群所需要的服务：例如通信服务，监控服务，高可用服务等

2.创建Dispatcher和ResourceManger组件的工厂类

3.创建Dispatcher和ResourceManger组件

4.定义组件停止运行后的异步方法

总结

本篇文章分享了Flink任务的集群模式，通过源码的方式分析了JobManger的启动流程，后续会对JobManger相关的服务和组件进行更详细的分析。