qq_40689430的博客

在Flink的各个服务组件中，ResourceManager、JobMaster、TaskExecutor三者之间存在相互检测的心跳机制：ResourceManager会主动发送心跳请求探测JobMaster、TaskExecutor是否存活；JobMaster也会主动发送心跳请求探测TaskExecutor是否存活，以便进行任务重启或者失败处理。

上篇文章梳理了Flink 集群的模式以及通过源码分析了JobManager的启动流程，这篇文章更加细粒度的分析JobManger启动流程初始的服务。initializeServices剖析.map(value ->() ->LOG.debug(//创建工作目录//创建rpcSystem//创建RpcServicerpcSystem,//根据配置实例化JMX，默认关闭。通过JMX收集Flink的监控信息//创建了一个固定大小的线程池,也可以理解为执行器。

JobManager是Flink的核心进程，主要负责Flink集群的启动和初始化，包含多个重要的组件(JboMaster，Dispatcher，WebEndpoint等)，本篇文章会基于源码分析JobManagr的启动流程，对其各个组件进行介绍，希望对JobManager有一个更全面的了解。本篇文章分享了Flink任务的集群模式，通过源码的方式分析了JobManger的启动流程，后续会对JobManger相关的服务和组件进行更详细的分析。

Flink 架构Flink是目前算是实时计算的事实标准，背靠Apache活跃的社区和国内阿里技术团队的支持，社区生态十分丰富，本篇文章主要介绍flink的结构，对flink的各个组件有个更清晰的认识。flink官网对flink的架构有很清晰的介绍，强烈推荐刚接触或者想对flink有深入了解的同学学习flink，我会在官网介绍的基础上补充自己对flink运行时架构的理解。Flink Program：用户代码所在的应用程序JobManager：Master角色 负责集群和作业管理。

然后就等待install结束，最后每个模块都是success，则install成功，就会出现flink的bin包，包含flink的lib和conf等。点击File—> Project Structure—>Project设置Jdk版本（如下图），jdk版本设置1.8或者1.8之后的版本。flink tag出来的分支是release出来的版本，本次使用flink 1.19.1的tag，查看所有tag。如果能访问github，下载github的源码(flink的代码托管网站)6.启动TaskManagr。

Flink集群内部通信框架的最低层依赖Akka/Pekko，定义了不同类型的消息，并且设计了通用的RPC通信组件，使用了动态代理进行接口管理，利于扩展维护。

Flink底层通信大量使用了Java的动态代理，动态代理是一种设计模式，它允许在运行时创建代理对象，并将方法重定向到不同的实际对象，它使我们能在不修改代码的情况下增加或改变某个对象的行为。

在RPC中，客户机和服务器位于不同的机器上，客户端通过网络调用在服务器端运行的过程，并将结果发送回客户机。创建两个Actor用于模拟Actor的通信，只是为了演示发送和接受，其实每个Actor都可以发送和接受，只要在同一个ActorSystem里，除了和外部Actor通信也可以和自身通信。当使用tell方式的时候，表示仅仅使用异步的方式与Actor进行通信，无需等待Actor的响应结果，并且也不会阻塞后续代码的运行。在Akka中，创建的Actor都有自己的路径，该路径遵循ActorSystem的层级路径，