Flink 运行时的组件
    Flink 运行时架构主要包括四个不同的组件，它们会在运行流处理应用程序时协同工作：
    作业管理器（JobManager）、资源管理器（ResourceManager）、任务管理器（TaskManager），
    以及分发器（Dispatcher）。因为 Flink 是用 Java 和 Scala 实现的，所以所有组件都会运行在
    Java 虚拟机上。每个组件的职责如下：
     作业管理器（JobManager）
    控制一个应用程序执行的主进程，也就是说，每个应用程序都会被一个不同的
    JobManager 所控制执行。JobManager 会先接收到要执行的应用程序，这个应用程序会包括：
    作业图（JobGraph）、逻辑数据流图（logical dataflow graph）和打包了所有的类、库和其它
    资源的 JAR 包。JobManager 会把 JobGraph 转换成一个物理层面的数据流图，这个图被叫做
    “执行图”（ExecutionGraph），包含了所有可以并发执行的任务。JobManager 会向资源管
    理器（ResourceManager）请求执行任务必要的资源，也就是任务管理器（TaskManager）上
    的插槽（slot）。一旦它获取到了足够的资源，就会将执行图分发到真正运行它们的
    TaskManager 上。而在运行过程中，JobManager 会负责所有需要中央协调的操作，比如说检
    查点（checkpoints）的协调。
     资源管理器（ResourceManager）
    主要负责管理任务管理器（TaskManager）的插槽（slot），TaskManger 插槽是 Flink 中
    定义的处理资源单元。Flink 为不同的环境和资源管理工具提供了不同资源管理器，比如
    YARN、Mesos、K8s，以及 standalone 部署。当 JobManager 申请插槽资源时，ResourceManager
    会将有空闲插槽的 TaskManager 分配给 JobManager。如果 ResourceManager 没有足够的插槽
    来满足 JobManager 的请求，它还可以向资源提供平台发起会话，以提供启动 TaskManager
    进程的容器。另外，ResourceManager 还负责终止空闲的 TaskManager，释放计算资源。

     任务管理器（TaskManager）
    Flink 中的工作进程。通常在 Flink 中会有多个 TaskManager 运行，每一个 TaskManager都包含了一定数量的插槽（slots）。插槽的数量限制了 TaskManager 能够执行的任务数量。 启动之后，TaskManager 会向资源管理器注册它的插槽；收到资源管理器的指令后， TaskManager 就会将一个或者多个插槽提供给 JobManager 调用。JobManager 就可以向插槽 分配任务（tasks）来执行了。在执行过程中，一个 TaskManager 可以跟其它运行同一应用程 序的 TaskManager 交换数据。
     分发器（Dispatcher）
    可以跨作业运行，它为应用提交提供了 REST 接口。当一个应用被提交执行时，分发器 就会启动并将应用移交给一个 JobManager。由于是 REST 接口，所以 Dispatcher 可以作为集 群的一个 HTTP 接入点，这样就能够不受防火墙阻挡。Dispatcher 也会启动一个 Web UI，用 来方便地展示和监控作业执行的信息。Dispatcher 在架构中可能并不是必需的，这取决于应 用提交运行的方式。

    4.2 任务提交流程
    我们来看看当一个应用提交执行时，Flink 的各个组件是如何交互协作的：
    image.png

    上图是从一个较为高层级的视角，来看应用中各组件的交互协作。如果部署的集群环境 不同（例如 YARN，Mesos，Kubernetes，standalone 等），其中一些步骤可以被省略，或是 有些组件会运行在同一个 JVM 进程中。