Flink 作业提交流程深度解析
在面试中，Flink 的作业提交流程是一个高频考点。要真正理解这个过程，不能只背步骤，得明白背后的交互逻辑。
首先是代码编写与打包。开发人员利用 Flink API 定义数据源、转换算子和 Sink，构建完逻辑后，将项目连同依赖库一起打成可执行的 JAR 包。这一步的关键在于确保所有依赖都被正确打包进 fat jar，避免运行时找不到类。
接着是选择提交方式。Flink 提供了命令行、Web UI 和客户端 API 三种主流途径。命令行适合快速验证，通过 flink run 指定参数即可；Web UI 则更直观，方便上传包和配置监控；而生产环境往往集成在 CI/CD 流水线里，直接调用 Client API 提交作业，这样能实现自动化运维。
随后进入连接集群阶段。客户端需要明确指定 Flink 集群的地址和端口，建立与 ResourceManager 的连接。此时，客户端会向 RM 申请运行作业所需的资源配额。
最后是资源分配与任务调度。ResourceManager 依据作业的资源需求（如 Slot 数量、内存大小）以及当前集群的负载情况，动态分配 TaskManager 实例。一旦资源就绪，RM 会将序列化后的 JobGraph 下发给对应的 TaskManager。每个 TaskManager 接收到指令后，会启动相应的 Task 线程，开始拉取数据并进行计算。整个过程中，JobManager 负责协调状态检查点（Checkpoint）和容错恢复，确保数据处理的准确性。
理解这个闭环流程，有助于在遇到作业卡住或资源不足时快速定位问题所在。
