一.Flink Runtime

1.运行时架构

Client

JobManager（master节点）

TaskManager（Salve节点）

角色通信（Akka）

数据传输（Netty）

每个Woker（TaskManager）是一个JVM进程，有一个或多个子任务，通过task slot控制。

一个TaskManager通过Slot(任务槽)来控制它上面可以接受多少个task(仅限内存托管，目前CPU未做隔离)，Slot均 分TaskManager所托管的内存。

同一个TaskManager中的task共享TCP连接(通过多路复用)和心跳消息。它们还可以共享数据集和数据结构，从而减少每个任务的开销。                                                                                       

 TaskManger有N个槽位，只能接受N个Task吗？不是，有共享槽位。

2.Operator Chain

如上图Flink会把Source和map合并成一个Operator Chain。

Operator Chain优点和组成条件

编程改变Operator Chain行为

3.共享槽位

Flink运行subtasks共享slot，资源更充分利用，Flink集群需要的Task Slot与作业中使用的最高并行度正好相同（前提保持默认SlotSharingGroup）

4.SlotSharingGroup

根据上游决定，如果设置group，后续都会变。

ColocationGroup

强制保证并行度一样的subtask在一个slot里面，用于迭代流（机器学习）

5.Slot与Parallelism并行关系

Source=3

Map=4

Sink=4

所以task slot 使用是4

设置并行度，10+ Map之后的Group(test)的Max是20 = 30