Flink基础之分布式运行环境（Runtime Environment）

亦凉 2024-04-19 12:01 27阅读 0赞

## 任务和算子链 ##

对于分布式执行，Flink 将每个算子的子任务链接成一个任务。一个线程相当于一个任务。将算子链接成为一个任务减少了线程间的切换和缓冲的开销，增加了总体的吞吐量，降低了延迟。算子链可配置，详情请查阅：[Flink流处理（Stream API）- Operators（操作数据流）][Flink_Stream API_- Operators]

下图中的示例数据流使用5并行线程执行5个子任务。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pwZl85NDA4MTA2NTM4NDI_size_16_color_FFFFFF_t_70][]

## JM、TM、客户端 ##

Flink Runtime 由以下两部分组成：

*  **JobManagers** 用来协调分布式执行。他们调度任务、协调 chenkpoint、协调故障恢复等等。

至少有一个工作经理。一个高可用性的设置将有多个作业管理器，其中一个总是领导者，其他的都是备用的。

*  **TaskManagers** 执行数据流的任务(或者更具体地说，子任务)，并缓冲和交换数据流。

必须始终至少有一个TaskManager。

JM 和 TM 可以以多种方式启动：直接在机器上作为独立集群启动，或者在容器中启动，或者由 YARN 或 Mesos 之类的资源框架管理。TM 连接到 JM，通知 JM 自己可用，并由 JM 分配工作。

客户端不是 runtime 和任务执行的一部分，而是用来准备给 JM 发送数据流的。之后，客户端可以断开连接或者保持连接来接收任务执行进度报告。客户端可以作为触发执行的 Java/Scala 程序的一部分运行，也可以在命令行进程中运行 `./bin/flink run`。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pwZl85NDA4MTA2NTM4NDI_size_16_color_FFFFFF_t_70 1][]

## 任务槽和资源 ##

每个 worker  (TaskManager)都是一个 JVM 进程，可以在单独的线程中执行一个或多个子任务。为了控制 worker 接受多少任务，worker 具有 **task slots** 这么一个概念(至少一个)。

每个 task solt 表示 TaskManager 资源的一个固定子集。例如，一个有三个插槽的 TM 会将其1/3的托管内存分配给每个插槽。分配资源意味着子任务不会与来自其他作业的子任务争夺托管内存，而是拥有一定数量的预留托管内存。注意，这里没有发生CPU隔离；当前插槽只分隔任务的托管内存。

通过调整任务槽的数量，用户可以定义子任务如何彼此隔离。每个 TaskManager 有一个插槽意味着每个任务组运行在单独的JVM中(例如，可以在单独的容器中启动JVM)。拥有多个插槽意味着更多的子任务共享同一个JVM。相同JVM中的任务共享TCP连接(通过多路复用)和心跳消息。它们还可以共享数据集和数据结构，从而减少每个任务的开销。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pwZl85NDA4MTA2NTM4NDI_size_16_color_FFFFFF_t_70 2][]

默认情况下，Flink 允许子任务共享插槽，即使它们是不同任务的子任务，只要它们来自相同的 job。结果是一个槽可以容纳作业的整个管道。允许这个槽共享有两个主要好处：

*  Flink集群需要的任务插槽与作业中使用的最高并行度一样多。不需要计算一个程序总共包含多少任务(具有不同的并行度)。
 *  更容易得到更好的资源利用。如果没有插槽共享，非密集型 source/map() 子任务将阻塞与资源密集型窗口子任务一样多的资源。使用插槽共享，将我们示例中的基本并行度从2提高到6，可以充分利用插槽资源，同时确保繁重的子任务在 TM 中得到公平分配。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pwZl85NDA4MTA2NTM4NDI_size_16_color_FFFFFF_t_70 3][]

这些 APIs 还包括一个资源组机制，可用于防止不需要的插槽共享。有关资源组，请查阅：[Flink流处理（Stream API）- Operators（操作数据流）][Flink_Stream API_- Operators]

最好是 task solt = CPU cores。

## 后端状态 ##

存储 key/values 索引的数据结构取决于所选的状态后端。一个状态后端将数据存储在内存中的散列映射中，另一个状态后端使用 RocksDB 作为 key/value 存储。除了定义保存状态的数据结构外，状态后端还实现了获取 key/value 状态的时间点快照的逻辑，并将该快照存储为 checkpoint 的一部分。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pwZl85NDA4MTA2NTM4NDI_size_16_color_FFFFFF_t_70 4][]

## Savepoints ##

在数据流 API 中编写的程序可以从 savepoint 恢复执行。savepoint 允许在不丢失任何状态的情况下更新程序和 Flink 集群。

savepoints 是手动触发的 checkpoints，它获取程序的快照并将其写入状态后端。它们依赖于常规的 checkpoints 机制。在执行过程中，程序定期在工作节点上快照并生成 savepoints。对于恢复，只需要最后一个完成的 checkpoint，而旧的 checkpoint 可以在新 checkpoint 完成时安全地丢弃。

Savepoints 类似于这些定期 checkpoints，但它们是由用户触发的，并且在更新的 checkpoints 完成时不会自动过期。可以从命令行创建 Savepoints，也可以在通过 REST API 取消作业时创建。

[Flink_Stream API_- Operators]: https://blog.csdn.net/zpf_940810653842/article/details/99751920#%E4%BB%BB%E5%8A%A1%E9%93%BE%E6%8E%A5%E5%92%8C%E8%B5%84%E6%BA%90%E7%BB%84
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pwZl85NDA4MTA2NTM4NDI_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/4033f982b4b8417c99526e9b1e0392d3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pwZl85NDA4MTA2NTM4NDI_size_16_color_FFFFFF_t_70 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/7398a8e5f83a4447a2b7b7561b68814d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pwZl85NDA4MTA2NTM4NDI_size_16_color_FFFFFF_t_70 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/e695c797377945d69da7190370882df1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pwZl85NDA4MTA2NTM4NDI_size_16_color_FFFFFF_t_70 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/ecb3a39a74d641b1b9c03978f8e689f7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3pwZl85NDA4MTA2NTM4NDI_size_16_color_FFFFFF_t_70 4]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/26094422ae0e4b7980b4367683d56650.png