Flink理论
flink安装
我使用的是flink的单机版，过程在这：https://www.cnblogs.com/wuxiaolong4/p/16548910.html
helloworld
import org.apache.flink.api.scala.ExecutionEnvironment
val env = ExecutionEnvironment.getExecutionEnvironment;//批处理运行上下文环境
import org.apache.flink.streaming.api.scala.StreamExecutionEnvironment
val streamenv = StreamExecutionEnvironment.getExecutionEnvironment//流处理运行上下文环境
streamenv.fromElements[String]("1","2","3","4","5").print()
运行命令
flink run ../examples/batch/WordCount.jar --input /opt/flink/flink/README.txt --output /opt/flink/flink/result
flink常用概念
jobmanager：当前集群空值任务管理和调度的核心
jobmaster：和一个job一一对应。先接收要执行的应用。一般是由客户端提交来的包括：jar，数据流图，作业图
jobmaster会把作业图转换为物理层面的数据流图，这个图被叫做执行图，它包含了所有可刑罚执行的任务
jobmaster会向资源管理器发出请求，申请资源，将执行图分发到TaskManager上。
jobmaster会负责中央协调的操作，比如说检查点的协调
resourcemanager：主要是管理任务槽 (task slots) 。每一个任务分配到一个任务槽上
Dispacher：提供REST接口、webui，用来提交应用，并启动jobmaster。(不是必须的)
taskmanager：(多个) 一个taskmanager包含了一定数量的任务槽
启动以后向资源管理器注册他的任务槽，收到资源管理器的指令以后，
taskmanager提供一个或者多个任务槽给jobmanager。
一个任务的taskmanager之间可以交换数据
flink提交流程
1.app提交应用给分发器
2.分发器启动并提交应用给jobmanager
3.jobmanager拆分任务，jobmanager请求资源管理器分配任务槽
4.资源管理器请求taskmanager任务槽
5.taskmanager提供任务槽给jobmaster，jobmaster执行任务
flink数据流
flink上运行的程序会被映射成逻辑数据流，它包含了三部分(source,transformation,sink)
我们后续编程也是按照source，transformation，sink三部分来变成。
对应spark中输入、转换、输出
flink并行度
熟悉spark的同学应该能理解这个。
flink中每一个算子可以包含多个子任务，子任务的个数被称之为并行度(所有算子都可以设置并行度)
也可以使用全局并行度 env.setParallelism(2)//全局的并行度
flink任务链
数据传输格式：one-to-one(窄依赖) redistributing(宽依赖)
(算子)任务链合并(UI界面上可见)：one-to-one且并行度相同可以合并
disableChaining()前后都不合并算子链 startNewChain()开启新算子链
flink执行图
执行图：可以分为四层(StreamGraph、jobGraph、ExecutionGraph、物理执行图)
StreamGraph：用户使用stream API编写的代码生成的最初的图，用来表示拓扑结构。
jobGraph：StreamGraph经过优化(合并算子链)后生成了jobGraph，提交给jobmanager。
ExecutionGraph：jobmanager根据jobGraph生成最终的ExecutionGraph，
ExecutionGraph是并行化的jobGraph。是调度最核心的数据结构
物理执行图：jobmanager根据ExecutionGraph对job进行调度，在各个taskmanager上部署
task形成的图，并不是一个具体的数据结构
flink任务槽
任务槽(类似于yarn container汇总，只有一个container里面可以细分资源)
flink可以允许任务槽共享。
slotSharingGroup("1") 设置共享组 后面默认都是当前共享组