当前位置: 首页>数据库>正文

flink 流批一体处理案例 flink工作流


文章目录

  • 一.Flink运行的四大组件
  • 1,1 作业管理器(JobManager)
  • 1.2 任务管理器(TaskManager)
  • 1.3 资源管理器(ResourceManager)
  • 1.4 分发器(Dispatcher)
  • 二.任务提交流程
  • 2.1 非yarn模式的任务提交流程
  • 2.2 任务提交流程(YARN)
  • 三. 任务调度原理
  • 四. TaskManger与Slots与parallelism
  • 五. 程序与数据流
  • 六. 执行图(ExecutionGraph)
  • 七. 数据传输形式


一.Flink运行的四大组件

如下图所示,Flink运行的四大组件:

flink 流批一体处理案例 flink工作流,flink 流批一体处理案例 flink工作流_Flink运行架构,第1张

1,1 作业管理器(JobManager)

控制一个应用程序执行的主进程,也就是说,每个应用程序都会被一个不同的JobManager 所控制执行。

JobManager 会先接收到要执行的应用程序,这个应用程序会包括:作业图(JobGraph)、逻辑数据流图(logical dataflow graph)和打包了所有的类、库和其它资源的JAR包。

JobManager 会把JobGraph转换成一个物理层面的数据流图,这个图被叫做“执行图”(ExecutionGraph),包含了所有可以并发执行的任务。

JobManager 会向资源管理器(ResourceManager)请求执行任务必要的资源,也就是任务管理器(TaskManager)上的插槽(slot)。一旦它获取到了足够的资源,就会将执行图分发到真正运行它们的TaskManager上。而在运行过程中,JobManager会负责所有需要中央协调的操作,比如说检查点(checkpoints)的协调。

1.2 任务管理器(TaskManager)

Flink中的工作进程。通常在Flink中会有多个TaskManager运行,每一个TaskManager都包含了一定数量的插槽(slots)。插槽的数量限制了TaskManager能够执行的任务数量。

启动之后,TaskManager会向资源管理器注册它的插槽;收到资源管理器的指令后,TaskManager就会将一个或者多个插槽提供给JobManager调用。JobManager就可以向插槽分配任务(tasks)来执行了。

在执行过程中,一个TaskManager可以跟其它运行同一应用程序的TaskManager交换数据。

1.3 资源管理器(ResourceManager)

主要负责管理任务管理器(TaskManager)的插槽(slot),TaskManger 插槽是Flink中定义的处理资源单元。

Flink为不同的环境和资源管理工具提供了不同资源管理器,比如YARN、Mesos、K8s,以及standalone部署。

当JobManager申请插槽资源时,ResourceManager会将有空闲插槽的TaskManager分配给JobManager。如果ResourceManager没有足够的插槽来满足JobManager的请求,它还可以向资源提供平台发起会话,以提供启动TaskManager进程的容器。

1.4 分发器(Dispatcher)

可以跨作业运行,它为应用提交提供了REST接口。

当一个应用被提交执行时,分发器就会启动并将应用移交给一个JobManager。

Dispatcher也会启动一个Web UI,用来方便地展示和监控作业执行的信息。

Dispatcher在架构中可能并不是必需的,这取决于应用提交运行的方式。

二.任务提交流程

2.1 非yarn模式的任务提交流程

flink 流批一体处理案例 flink工作流,flink 流批一体处理案例 flink工作流_Flink架构_02,第2张

2.2 任务提交流程(YARN)

flink 流批一体处理案例 flink工作流,flink 流批一体处理案例 flink工作流_flink 流批一体处理案例_03,第3张

三. 任务调度原理

  1. 客户端不是运行时和程序执行的一部分,但它用于准备并发送dataflow(JobGraph)给Master(JobManager),然后,客户端断开连接或者维持连接以等待接收计算结果。而Job Manager会产生一个执行图(Dataflow Graph)
  2. 当 Flink 集群启动后,首先会启动一个 JobManger 和一个或多个的 TaskManager。由 Client 提交任务给 JobManager,JobManager 再调度任务到各个 TaskManager 去执行,然后 TaskManager 将心跳和统计信息汇报给 JobManager。TaskManager 之间以流的形式进行数据的传输。上述三者均为独立的 JVM 进程。
  3. Client 为提交 Job 的客户端,可以是运行在任何机器上(与 JobManager 环境连通即可)。提交 Job 后,Client 可以结束进程(Streaming的任务),也可以不结束并等待结果返回。
  4. JobManager 主要负责调度 Job 并协调 Task 做 checkpoint,职责上很像 Storm 的 Nimbus。从 Client 处接收到 Job 和 JAR 包等资源后,会生成优化后的执行计划,并以 Task 的单元调度到各个 TaskManager 去执行。
  5. TaskManager 在启动的时候就设置好了槽位数(Slot),每个 slot 能启动一个 Task,Task 为线程。从 JobManager 处接收需要部署的 Task,部署启动后,与自己的上游建立 Netty 连接,接收数据并处理。

flink 流批一体处理案例 flink工作流,flink 流批一体处理案例 flink工作流_Flink架构_04,第4张

四. TaskManger与Slots与parallelism

  1. Flink 中每一个 TaskManager 都是一个JVM进程,它可能会在独立的线程上执行一个或多个子任务
  2. 为了控制一个 TaskManager 能接收多少个 task, TaskManager 通过 task slot 来进行控制(一个 TaskManager 至少有一个 slot)
  3. 图中每个Task Manager中的Slot为3个,那么两个Task Manager一共有六个Slot, 而这6个Slot代表着Task Manager最大的并发执行能力,一共能可以执行6个task进行同时执行
  4. Slot是静态概念,代表着Task Manager具有的并发执行能力,可以通过参数taskmanager.numberOfTaskSlots进行配置
  5. 为了控制一个 TaskManager 能接收多少个 task, TaskManager 通过 task slot 来进行控制(一个 TaskManager 至少有一个 slot)
  6. 图中Source和Map是一个Task,且并行度(我们设置的setParallelism())都为1,指这个task任务的并行能力为1,只占用一个Slot资源
  7. flink 流批一体处理案例 flink工作流,flink 流批一体处理案例 flink工作流_Flink架构_05,第5张

  8. 在第二张图中为Flink的共享子任务,如果一个TaskManager一个slot,那将意味着每个task group运行在独立的JVM中(该JVM可能是通过一个特定的容器启动的),而一个TaskManager多个slot意味着更多的subtask可以共享同一个JVM。而在同一个JVM进程中的task将共享TCP连接(基于多路复用)和心跳消息。它们也可能共享数据集和数据结构,因此这减少了每个task的负载。
  9. 并行度parallelism是动态概念,即TaskManager运行程序时实际使用的并发能力,可以通过参数parallelism.default进行配置。

[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-hmsi9NJo-1634546295296)(https://upload-images.jianshu.io/upload_images/2638478-d32b23bef8e8c475.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)]

  1. 也就是说,假设一共有3个TaskManager,每一个TaskManager中的分配3个TaskSlot,也就是每个TaskManager可以接收3个task,一共9个TaskSlot,如果我们设置parallelism.default=1,即运行程序默认的并行度为1,9个TaskSlot只用了1个,有8个空闲,因此,设置合适的并行度才能提高效率。

flink 流批一体处理案例 flink工作流,flink 流批一体处理案例 flink工作流_Flink并行度_06,第6张

flink 流批一体处理案例 flink工作流,flink 流批一体处理案例 flink工作流_Flink运行架构_07,第7张

  1. 一个特定算子的 子任务(subtask)的个数被称之为其并行度(parallelism),我们可以对单独的每个算子进行设置并行度,也可以直接用env设置全局的并行度,更可以在页面中去指定并行度。
  2. 最后,由于并行度是实际Task Manager处理task 的能力,而一般情况下,一个 stream 的并行度,可以认为就是其所有算子中最大的并行度,则可以得出在设置Slot时,在所有设置中的最大设置的并行度大小则就是所需要设置的Slot的数量。

五. 程序与数据流

  1. 所有的Flink程序都是由三部分组成的: Source 、Transformation 和 Sink。
  2. Source 负责读取数据源,Transformation 利用各种算子进行处理加工,Sink 负责输出
  3. flink 流批一体处理案例 flink工作流,flink 流批一体处理案例 flink工作流_Flink并行度_08,第8张

  4. 在运行时,Flink上运行的程序会被映射成“逻辑数据流”(dataflows),它包含了这三部分
  5. 每一个dataflow以一个或多个sources开始以一个或多个sinks结束。dataflow类似于任意的有向无环图(DAG)
  6. 在大部分情况下,程序中的转换运算(transformations)跟dataflow中的算子(operator)是一一对应的关系
  7. flink 流批一体处理案例 flink工作流,flink 流批一体处理案例 flink工作流_并行度_09,第9张

六. 执行图(ExecutionGraph)

  1. Flink 中的执行图可以分成四层:StreamGraph -> JobGraph -> ExecutionGraph -> 物理执行图
  2. StreamGraph:是根据用户通过 Stream API 编写的代码生成的最初的图。用来表示程序的拓扑结构。
  3. JobGraph:StreamGraph经过优化后生成了 JobGraph,提交给 JobManager 的数据结构。主要的优化为,将多个符合条件的节点 chain 在一起作为一个节点
  4. ExecutionGraph:JobManager 根据 JobGraph 生成ExecutionGraph。ExecutionGraph是JobGraph的并行化版本,是调度层最核心的数据结构。
  5. 物理执行图:JobManager 根据 ExecutionGraph 对 Job 进行调度后,在各个TaskManager 上部署 Task 后形成的“图”,并不是一个具体的数据结构。
  6. flink 流批一体处理案例 flink工作流,flink 流批一体处理案例 flink工作流_并行度_10,第10张

七. 数据传输形式

  1. Flink 采用了一种称为任务链的优化技术,可以在特定条件下减少本地通信的开销。为了满足任务链的要求,必须将两个或多个算子设为相同的并行度,并通过本地转发(local forward)的方式进行连接
  2. 相同并行度的 one-to-one 操作,Flink 这样相连的算子链接在一起形成一个 task,原来的算子成为里面的 subtask
  3. 并行度相同、并且是 one-to-one 操作,两个条件缺一不可
  4. 而为什么需要并行度相同,因为若flatMap并行度为1,到了之后的map并行度为2,从flatMap到map的数据涉及到数据由于并行度map为2会往两个slot处理,数据会分散,所产生的元素个数和顺序发生的改变所以有2个单独的task,不能成为任务链
  5. flink 流批一体处理案例 flink工作流,flink 流批一体处理案例 flink工作流_Flink运行架构_11,第11张


https://www.xamrdz.com/database/6yf1961112.html

相关文章: