当前位置:   article > 正文

Flink 架构:三层架构体系、运行时组件_runtime层

runtime层


Flink架构体系

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GP4rEoOL-1612875392113)(/Users/bytedance/Desktop/screenshot-20210202-032808.png)]

Flink三层体系架构

在Flink整个软件架构体系中,遵循了分层的架构设计理念,在降低系统耦合度的同时也为上层用户构建Flink应用提供了丰富且友好的接口。从上图可以看出Flink的架构体系基本上可以分为以下三层

  • API & Libraries层
  • Runtime核心层
  • 物理部署层

API & Libraries层

作为分布式数据处理框架,Flink同时提供了支持流计算和批计算的接口,同时在此基础之上抽象出不同的应用类型的组件库,如基于流处理的CEP(复杂事件处理库)、SQL&Table库和基于批处理的FlinkML(机器学习库)、Gelly(图处理库)等。

API层包括构建流计算应用的DataStream API和批计算应用的DataSet API,两者都提供给用户丰富的数据处理高级API,例如Map、FlatMap操作等,同时也提供比较低级的Process Function API,用户可以直接操作状态和时间等底层数据。


Runtime核心层

该层主要负责对上层不同接口提供基础服务,也是Flink分布式计算框架的核心实现层,支持分布式Stream作业的执行、JobGraph到ExecutionGraph的映射转换、任务调度等。

物理部署层

该层主要涉及Flink的部署模式,目前Flink支持多种部署模式:本地、集群(Standalone/YARN)、云(GCE/EC2)、Kubenetes。Flink能够通过该层能够支持不同的部署,用户可以根据需要选择使用对应的部署模式



Flink运行时组件

Flink系统主要由以下四个组件组成

  • JobManager(任务管理器)
  • TaskManager(作业管理器)
  • ResourceManger(资源管理器)
  • Dispatcher(分发器)



Flink本身是用Java和Scala实现的,因此所有组件都基于JVMJava虚拟机)运行。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FGaR9sUg-1612875392117)(/Users/bytedance/Desktop/src=http___imgedu.lagou.com_e711c26976c9494d937c6d5c3de1c07e.jpg&refer=http___imgedu.lagou.jpeg)]

Flink任务调度原理

JobManager

Flink遵循Master-Slave(主从)架构设计原则,JobManager为Master节点,TaskManager为Slave节点,并且所有组件之间的通信都借助Akka,包括任务的状态以及CheckPoint(检查点)触发等信息。

  • 作为主进程(Master Process)JobManager控制着单个应用程序的执行,也就是每个应用都由一个不同的JobManager管理
  • JobManager可以接受需要执行的应用,该应用会包含一个所谓的Job Graph(任务图),即逻辑Dataflow Graph(数据流图),以及一个打包了全部所需类、库以及其他资源的JAR文件。
  • JobManager将JobGraph转化为名为Execution Graph(执行图)的物理Dataflow Graph,其中包含了所有可以并发实行的任务。
  • JobManager会从ResourceManager申请执行任务的必要资源——TaskManager slot,一旦它收到了足够数量的TaskManager slot,它就会将Execution Graph中的任务分发给TaskManager来执行。在执行过程中,JobManager还要负责所有需要集中协调的操作,如创建CheakPoint等。

TaskManager

  • TaskManager是Flink的工作进程(Worker Process),在Flink的搭建过程中要启动多个TaskManager。每个TaskManager提供一定数量的slot(处理槽),slot的数量限制了TaskManager可执行的任务数
  • TaskManager在启动之后会向ResourceManager注册它的slot,当接收到ResourceManager的指示时,TaskManager会向JobManager提供一个或者多个slot。之后JobManager就可以向slot中分配任务来执行。
  • 在执行过程中,运行同一应用的不同任务的TaskManager之间会产生数据交换

ResourceManger

  • Flink为不同的环境和资源提供者(如YARN、Kubernetes、Stand-alone)提供了不同的ResourceManger。
  • ResourceManger负责管理Flink的处理资源单元——TaskManager Slot
  • 当JobManager申请TaskManager slot时,ResourceManger会指示一个拥有空闲slot的TaskManager将其slot提供给JobManager。如果ResourceManger的slot数无法满足JobManager的请求,则ResourceManger可以与资源提供者通信,让他们提供额外的容器来启动更多的TaskManager进程。同时,ResourceManger还负责终止空闲进程的TaskManager以释放计算资源。

Dispatcher

  • Dispatcher在会跨多个作业运行,它提供了一个REST接口来让我们提交需要执行的应用,一旦某个应用提交执行,则Dispatcher会启动一个JobManager并将应用转交给它。

  • REST接口意味着Dispatcher这一集群的HTTP入口可以受到防火墙的保护

  • Dispatcher同时还会启动一个Web UI,用来展示和监控有关作业执行的信息。

  • Dispatcher并不是必需的组件,某些应用提交执行的方式可能用不到Dispatcher。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vOeX7IeL-1612875392121)(/Users/bytedance/Desktop/screenshot-20210201-145801.png)]

任务提交流程

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-41mozM5Z-1612875392123)(/Users/bytedance/Desktop/screenshot-20210204-085117.png)]

任务提交流程(YARN模式)
本文内容由网友自发贡献,转载请注明出处:【wpsshop博客】
推荐阅读
相关标签
  

闽ICP备14008679号