任务槽

• TaskSlots: 任务槽，是TaskManager提供的用于执行Task的资源（CPU + 内存）

• TaskManager提供的TaskSlots的个数：主要由Taskmanager所在机器的CPU核心数来决定，不能超过CPU的最大核心数

  • 1.可以在flink/conf/flink-conf.yaml文件中的numberOfTaskSlot配置
  • 2.在yarn集群中运行flink时，任务槽的个数受到yarn中container的最大CPU数 vcores

• 一个作业的Task数量如何确定？

  • 1.主要由算子数、算子链数、并行度共同来决定的
  • 2.如果禁用算子链合并，task的数量 = 算子数 * 并行度（并行度相同）
  • 3.如果存在算子链合并，task的数量 = 合并后的算子链数（包含不合并的算子）* 并行度（并行度相同）

• Slot共享：flink允许将上下游的task共享给同一个slot。但是注意，同一个Task的并行子任务不允许共享

• 为什么要Slot共享？

  • 1.当我们将资源密集型和非密集型的任务同时放到一个slot中，他们就可以自行分配对资源占用的比例，保证最重的活平均分配给所有的Taskmanager
  • 2.Slot共享另一个好处就是在一个Slot中可以保存完整的作业管道

• 能不能不共享？

  • 通过设置共享组（算子.slotSharingGroup(“共享组名”)）来实现共享或者不共享，默认的共享组为default，从source端往后传递，如果下游的算子没有具体设置共享组

• 一个作业的并行度如何确定？

  • 作业的并行度由当前作业中并行度最大的算子的并行度决定
  • 一个作业需要多少个TaskSlot如何确定？
  • 作业需要多少个taskSlot由作业的并行度决定（前提是slot共享）

Yarn应用模式作业提交流程

1. 客户端提交任务，Yarn的ResourceManager启动AM
2. AM中的Actor通信系统
   • 启动资源管理器
   • 启动分发器
     • 分发器启动JobMaster
3. JobMaster
   • 生成逻辑流图
   • 生成作业流图
   • 生成执行流图
   • 向资源管理器 注册请求Slot
4. 资源管理器向Yarn的Resource manager申请资源
5. Resource Manager启动TaskManager
6. TaskManager向AM中的资源管理器注册需要的Slot
7. AM的资源管理器分配slot给TaskManager
8. JobMaster获取目前TaskManager现有的Slot个数
9. JobMaster分配任务给各个TaskManager，各个TaskManager生成相应的物理流图并执行。