1
概述
Flink 整個系統主要由兩個元件組成，分别為 JobManager 和 TaskManager，Flink 架構也遵循 Master - Slave 架構設計原則，JobManager 為 Master 節點，TaskManager 為 Worker （Slave）節點。
所有元件之間的通信都是借助于 Akka Framework，包括任務的狀态以及 Checkpoint 觸發等資訊。
2
Client 用戶端
用戶端負責将任務送出到叢集，與 JobManager 建構 Akka 連接配接，然後将任務送出到 JobManager，通過和 JobManager 之間進行互動擷取任務執行狀态。
用戶端送出任務可以采用 CLI 方式或者通過使用 Flink WebUI 送出，也可以在應用程式中指定 JobManager 的 RPC 網絡端口建構 ExecutionEnvironment 送出 Flink 應用。
3
JobManager
JobManager 負責整個 Flink 叢集任務的排程以及資源的管理，從用戶端中擷取送出的應用，然後根據叢集中 TaskManager 上 TaskSlot 的使用情況，為送出的應用配置設定相應的 TaskSlot 資源并指令 TaskManager 啟動從用戶端中擷取的應用。
JobManager 相當于整個叢集的 Master 節點，且整個叢集有且隻有一個活躍的 JobManager ，負責整個叢集的任務管理和資源管理。
JobManager 和 TaskManager 之間通過 Actor System 進行通信，擷取任務執行的情況并通過 Actor System 将應用的任務執行情況發送給用戶端。
同時在任務執行的過程中，Flink JobManager 會觸發 Checkpoint 操作，每個 TaskManager 節點 收到 Checkpoint 觸發指令後，完成 Checkpoint 操作，所有的 Checkpoint 協調過程都是在 Fink JobManager 中完成。
當任務完成後，Flink 會将任務執行的資訊回報給用戶端，并且釋放掉 TaskManager 中的資源以供下一次送出任務使用。
4
TaskManager
TaskManager 相當于整個叢集的 Slave 節點，負責具體的任務執行和對應任務在每個節點上的資源申請和管理。
用戶端通過将編寫好的 Flink 應用編譯打包，送出到 JobManager，然後 JobManager 會根據已注冊在 JobManager 中 TaskManager 的資源情況，将任務配置設定給有資源的 TaskManager節點，然後啟動并運作任務。
TaskManager 從 JobManager 接收需要部署的任務，然後使用 Slot 資源啟動 Task，建立資料接入的網絡連接配接，接收資料并開始資料處理。同時 TaskManager 之間的資料互動都是通過資料流的方式進行的。
可以看出，Flink 的任務運作其實是采用多線程的方式，這和 MapReduce 多 JVM 進行的方式有很大的差別，Flink 能夠極大提高 CPU 使用效率，在多個任務和 Task 之間通過 TaskSlot 方式共享系統資源，每個 TaskManager 中通過管理多個 TaskSlot 資源池進行對資源進行有效管理。