集群角色

Flink提交作业和执行任务，需要几个关键组件：

• 客户端：代码由客户端获取并作转换，之后提交给Jobmanager

• Jobmanager就是Flink集群的管事人，对作业进行中央调度管理；当从客户端获取到转换过的作业后会进一步进行处理，然后分发给众多的taskmanager

• Taskmanager:真正干活的人，数据的处理操作都是它们来做

部署模式

在一些应用场景中，对于集群资源分配和占用的方式，可能会有特定的需求。Flink为各种场景提供了不同的部署模式，主要有以下三种：会话模式（Session Mode）、单作业模式（Per-Job Mode）、应用模式（Application Mode）。
它们的区别主要在于：集群的生命周期以及资源的分配方式、以及应用的main方法到底在哪里执行——客户端（Client）还是JobManager。

会话模式（Session Mode）

会话模式其实是最符合常规思维模式。我们需要先启动一个集群，保持一个会话，在这个会话中通过客户端提交作业。集群启动时所有资源已经确定，所以所有提交的作业会竞争集群中的资源。
会话模式适合单个规模小、执行时间短的大量作业。

单作业模式（Per-job Mode）

会话模式会因为资源共享导致很多问题，所以为了更好地隔离资源，我们可以考虑为每个提交的作业启动一个集群，这就是所谓的单作业模式。

作业完成后集群就会被关闭，所有资源也会释放。
Flink本身无法直接这样运行，需要借助资源管理框架（yarn、K8S）

应用模式（Applicaiton Mode）

上面两种模式应用代码都是在客户端执行，然后提交给jobmanager。这种方式会占用客户端大量网络带宽，加重客户端资源消耗。
解决办法不要客户端了，直接把应用提交给jobmanager，也就意味着我们需要为每一个应用单独启动一个jobmanager，也就是创建一个集群，这个jm只为这一个应用而存在，执行结束后jm也就关闭了。

和单作业模式的区别和联系就是：他们都是提交作业后才创建集群，单作业模式通过客户端提交作业，客户端解析出的每一个作业对应一个集群，而应用模式下，是由jobmanager直接执行应用程序的。

Yarn运行模式

YARN上部署的过程是：客户端把Flink应用提交给Yarn的ResourceManager，Yarn的ResourceManager会向Yarn的NodeManager申请容器。在这些容器上，Flink会部署JobManager和TaskManager的实例，从而启动集群。Flink会根据运行在JobManger上的作业所需要的Slot数量动态分配TaskManager资源。