Flink从思想到实现，从实现到细节2

问题导读

1.Flink实现你认为需要实现哪些内容？
2.Flink组成你认为包含那些内容？
3.本文认为Flink包含那些内容？

上一篇：
Flink从思想到实现，从实现到细节1
https://www.aboutyun.com/forum.php?mod=viewthread&tid=28500

2.Flink实现
这里给大家讲讲Flink实现，Flink的思想我们知道了，可是思想是虚无缥缈的，只有实现，看到它的骨架，看到的它的使用，才能让他为我们服务，被我们所用。那么Flink是如何实现的。假如我们要设计一个组件，我们该如何设计。
（1）讲到设计，首先要明确它的组成，它的成份之间的关系，也就是原理。所以我们首先需要明白Flink组成及原理
（2）我们设计好后，得有具体实现吧，所以我们需要了解Flink API，各种算子等
（3）Flink的目的始终是为我们服务的，因此我们需要将所学Flink知识应用于实践，因此我们需要了解Flink的一些应用
（4）其实还有个问题，那就是Flink思想的实现，其实还是以代码的方式实现的，因此我们需要研究下Flink的源码。

我们从以上四个角度来研究Flink的实现。
（1）Flink组成及原理
Flink组成
对于Flink组成，我们可以想到哪些内容，很多老铁在面试的时候，或则在学习的时候，并不能全面回答问题。对于Flink组成，是可以分类的。

• 从程序设计角度可以分为计算框架组成
• 从运行角度可以分为运行框架组成
  

（1）计算框架组成
计算框架，到底是什么样子的，这时候我们思考，如果我们设计一个Flink计算框架，我们该如何设计，我们会有底层公共的API吗？会有流、批处理API吗？流批处理API，是否有对应的SQL，当前机器学习非常流行，我们是否可以有机器学习API那？对的，这些都是我们在设计的时候需要考虑的问题。而上面我们所考虑的问题，Flink计算框架都给出了答案。我们来看下图


我们可以看到Datastream和DataSet API是基于RunTime，RunTime是Flink core层，Datastream和DataSet是API层，CEP、Table、Flink ML、Graph属于库层。其实我们前面所以思考的内容，对于Flink其实都有对应的实现。【同样由于About云传播活到老、学到老的学习精神，希望我们能会学习、提高学习效率，如果你在这方面有所心得或则想学习，欢迎加微信w3aboutyun，加入About云爱好者群，共同探讨学习和技术】

对于各个层，想了解更加详细，我们可以看下图




关于更多框架信息可参考
https://www.aboutyun.com/forum.php?mod=viewthread&tid=26343


（2）运行框架组成
Flink运行由两个部分组成，分别是JobManager和TaskManager,Flink架构也遵行Master-Slave架构设计原则，JobManager是Master节点，TaskManager是Worker(Slave)节点。
基本框架组



Flink原理
对于计算框架，如果我们想了解原理，那么我只能研究Flink源码，关于源码我们将会在后面进一步的补充，这里说下Flink运行框架原理。



Flink系统由两个部分组成，分别是JobManager和TaskManager,Flink架构也遵行Master-Slave架构设计原则，JobManager是Master节点，TaskManager是Worker(Slave)节点。所有组件之间需要借助Akka Framework 来通讯，包括任务的状态和checkpoint触发等信息。

（1）client 客户端
客户端负责将任务提交到集群，与Jobmanager构建Akka连接，然后将任务提交到jobmanager,通过jobmanager之间进行交互获取任务执行状态。客户端提交任务可以cli方式或者通过使用Flink WebUI 提交。

（2）Jobmanager
jobmanager 负责整个Flink集群任务的调度以及资源的管理，从客户端获取提交的任务，然后根据集群中Taskmanager 上TaskSlot的使用情况，为提交的应用分配相应的TaskSlot资源并命令Taskmanager 启动从客户端中获取的应用。Jobmanager 是集群中的Master节点，整个集群有且仅有一个active的jobmanager，负责整个集群的任务管理和资源管理。Jobmanager和TaskManager之间通过Actor System 进行通信，获取任务的执行情况并通过Actor System 将应用的任务的执行情况发送到客户端。同时在任务的执行过程中，Flink Jobmanager 会触发Checkpoints 操作，每个taskmanager 节点接受的到checkpoints触发命令后，完成checkpoints操作，所有的checkpoint协调过程都是在Flink Jobmanager中完成。当任务完成后，jobmanager会将任务执行信息返回到客户端，并释放掉taskmanager中的资源以供下一次任务使用。

（3）Taskmanager
Taskmanager 相当于整个集群的slave 节点，负责具体的任务执行和对应任务在每个节点上的资源申请与管理。客户端通过将编写好的flink应用编译打包，提交到jobmanager，然后jobmanager会根据已经注册在jobmanger中taskmanager的资源情况，将任务分配到有资源的taskmanager节点，然后启动并运行任务。Taskmanager从jobmanager那接受需要部署的任务，然后使用slot资源启动task，建立数据接入网络连接，接受数据并处理。同时Taskmanager之间的数据交互都是通过数据流的方式进行的。

flink的任务运行其实是采用多线程的方式，能够极大的提高cpu使用效率，在多个任务之间通过taskslot方式共享系统资源，每个taskmanager对多个taskslot资源池进行管理。
如想学习，欢迎探讨交流【w3aboutyun】

扫码：

----------------------------------------------------
未完待续



3.Flink细节

感谢分享