背景
flink不论运行在哪种环境，例如Yarn，Mesos，Kebernute以及独立集群，每个应用都会包含重要的几个组件，本文就来讲述下flink的主要组件以及如何实现flink的高可用配置
flink主要组件
如图所示，flink主要由Dispatcher，JobManager，ResourceManager，TaskManager是个组件组成，以下我们大概说一下他们的主要用途：
Dispatcher： 主要用于接收提交过来的应用程序Jar包，随后Dispatcher就会启动应用的JobManager开始启动flink引用,备注： 在Yarn中，Dispatcher这个角色的工作由ResourceManager角色完成
JobManager: flink应用的大脑，它负责生成Job Graph，并根据具体的ExecutionGraph申请相应的处理槽来执行任务，此外，他会负责检查点的生成等工作
ResourceManager：资源提供者，通过他可以分配到对应的TaskManager处理槽，这样这些处理槽就可以提供给flink任务使用了
TaskManager: 具体flink并行任务的执行者，他会完成数据的处理工作，比如除了输入记录并输出处理结果
高可用配置
TaskManager挂掉：
当TaskManager挂掉之后，JobManager可以知道运行在上面的任务失败了，此时JobManager就会通过ResourceManager申请另外的处理槽，如果成功，只需要在新申请的处理槽上处理失败的任务即可，如果申请处理槽失败，JobManager将会使用重启的策略尝试着申请足够的处理槽
JobManager挂掉：
JobManager挂掉后，这个flink应用的所有任务都会自动取消掉，JobManager需要从Zookeeper中恢复元数据以及检查点路径等管理职责所需的信息，因此接管的JobManager会完成以下的工作：
1.从zookeeper中获取元数据:包括JobGraph执行图存储路径，Jar文件存储路径以及最新检查点的存储路径等信息
2.重新申请作业执行所需的处理槽，也就是向ResourceManager重新申请处理任务所需的处理槽
3.使用最新检查点数据恢复应用的执行.
版权归原作者 lixia0417mul2 所有， 如有侵权，请联系我们删除。