一、系统架构
1.1 SMP架构
数据处理系统的架构最简单的实现方式就是单节点，但是随着数据量的增大，为了使单节点的机器性能更加强大，需要增加CPU数量和加大内存来提高吞吐量。这就是所谓的SMP(Symmetrical Multi Processing,对称多处理)架构。
但是这种架构带来的问题也很明显，不仅所有CPU是完全平等且共享内存和总线资源的，会带来资源竞争。而且随着CPU数量的增加，机器成本会呈指数级增长。因此，SMP的可扩展性是比较差的，无法应对海量数据的处理场景。
1.2 分布式架构
基于SMP的局限，提出了不共享任何东西（share-nothing）的分布式架构，比如从 MPP(Massively Parallel Processing,大规模并行处理)架构，到以Hadoop、Spark为代表的批处理，再到以Flink为代表的流处理架构，都是以分布式作为系统架构的基本形态。Flink是一个分布式的并行流处理系统，由多个进程构成，这些进程一般会分布运行在不同的机器上。
对于分布式系统的管理，有很多棘手的问题。比如集群中资源的分配和管理、进程协调调度、持久化和高可用的数据存储、以及故障恢复等。不过，对于分布式系统中这些典型问题，业内已经有比较成熟的解决方案和服务了。
因此，Flink在设计中并不会去处理这些通用问题，而是利用现有的集群架构和服务。比如，在集群资源管理方面，会与现有Yarn、K8s、Mesos等工具集成；在分布式存储方面，会直接利用现有的HDFS、S3等分布式文件系统；在高可用配置方面，会依赖ZooKeeper来完成。
通过以上方式，Flink就可以把精力集中在核心工作上了，也就是分布式数据流处理。接下来，我们讲一下Flink是如何具体实现分布式流处理的，它有哪些组件构成。
二、核心组件
在Flink的运行架构中，有两大比较重要的组件：作业管理器（JobManager）和任务管理器（TaskManager）。
Flink的作业提交与任务处理时的系统如下图所示。
其中，客户端并不是处理系统的一部分，只是负责作业提交