[源码解析] 从TimeoutException看Flink的心跳机制

[源码解析] 从TimeoutException看Flink的心跳机制

0x00 摘要

本文从一个调试时候常见的异常 "TimeoutException: Heartbeat of TaskManager timed out"切入，为大家剖析Flink的心跳机制。文中代码基于Flink 1.10。

0x01 缘由

大家如果经常调试Flink，当进入断点看到了堆栈和变量内容之后，你容易陷入了沉思。当你发现了问题可能所在，高兴的让程序Resume的时候，你发现程序无法运行，有如下提示：

Caused by: java.util.concurrent.TimeoutException: Heartbeat of TaskManager with id 93aa1740-cd2c-4032-b74a-5f256edb3217 timed out.

这实在是很郁闷的事情。作为程序猿不能忍啊，既然异常提示中有 Heartbeat 字样，于是我们就来一起看看Flink的心跳机制，看看有没有可以修改的途径。

0x02 背景概念

2.1 四大模块

Flink有核心四大组件：Dispatcher，JobMaster，ResourceManager，TaskExecutor。

• Dispatcher（Application Master）用于接收client提交的任务和启动相应的JobManager。其提供REST接口来接收client的application提交，负责启动JM和提交application，同时运行Web UI。
• ResourceManager：主要用于资源的申请和分配。当TM有空闲的slot就会告诉JM，没有足够的slot也会启动新的TM。kill掉长时间空闲的TM。
• JobMaster ：功能主要包括（旧版本中JobManager的功能在新版本中以JobMaster形式出现，可能本文中会混淆这两个词，请大家谅解）：
  • 将JobGraph转化为ExecutionGraph（physical dataflow graph，并行化）。
  • 向RM申请资源、schedule tasks、保存作业的元数据。
• TaskManager：类似Spark的executor，会跑多个线程的task、数据缓存与交换。Flink 架构遵循 Master - Slave 架构设计原则，JobMaster 为 Master 节点，TaskManager 为Slave节点。

这四大组件彼此之间的通信需要依赖RPC实现。

2.2 Akka

Flink底层RPC基于Akka实现。Akka是一个开发并发、容错和可伸缩应用的框架。它是Actor Model的一个实现，和Erlang的并发模型很像。在Actor模型中，所有的实体被认为是独立的actors。actors和其他actors通过发送异步消息通信。

Actor模型的强大来自于异步。它也可以显式等待响应，这使得可以执行同步操作。但是强烈不建议同步消息，因为它们限制了系统的伸缩性。

2.3 RPC机制

RPC作用是：让异步调用看起来像同步调用。

Flink基于Akka构建了其底层通信系统，引入了RPC调用，各节点通过GateWay方式回调，隐藏通信组件的细节，实现解耦。Flink整个通信框架的组件主要由RpcEndpoint、RpcService、RpcServer、AkkaInvocationHandler、AkkaRpcActor等构成。

RPC相关的主要接口如下：

• RpcEndpoint
• RpcService
• RpcGateway

2.3.1 RpcEndpoint：RPC的基类

RpcEndpoint是Flink RPC终端的基类，所有提供远程过程调用的分布式组件必须扩展RpcEndpoint，其功能由RpcService支持。

RpcEndpoint的子类只有四类组件：Dispatcher，JobMaster，ResourceManager，TaskExecutor，即Flink中只有这四个组件有RPC的能力，换句话说只有这四个组件有RPC的这个需求。

每个RpcEndpoint对应了一个路径（endpointId和actorSystem共同确定），每个路径对应一个Actor，其实现了RpcGateway接口，

RpcService：RPC服务提供者

RpcServer是RpcEndpoint的成员变量，为RpcService提供RPC服务/连接远程Server，其只有一个子类实现：AkkaRpcService（可见目前Flink的通信方式依然是Akka）。

RpcServer用于启动和连接到RpcEndpoint， 连接到rpc服务器将返回一个RpcGateway，可用于调用远程过程。

Flink四大组件Dispatcher，JobMaster，ResourceManager，TaskExecutor，都是RpcEndpoint的实现，所以构建四大组件时，同步需要初始化RpcServer。如JobManager的构造方式，第一个参数就是需要知道RpcService。

RpcGateway：RPC调用的网关

Flink的RPC协议通过RpcGateway来定义；由前面可知，若想与远端Actor通信，则必须提供地址（ip和port），如在Flink-on-Yarn模式下，JobMaster会先启动ActorSystem，此时TaskExecutor的Container还未分配，后面与TaskExecutor通信时，必须让其提供对应地址。

Dispatcher，JobMaster，ResourceManager，TaskExecutor 这四大组件通过各种方式实现了Gateway。以JobMaster为例，JobMaster实现JobMasterGateway接口。各组件类的成员变量都有需要通信的其他组件的GateWay实现类，这样可通过各自的Gateway实现RPC调用。

2.4 常见心跳机制

常见的心跳检测有两种：

• socket 套接字SO_KEEPALIVE本身带有的心跳机制，定期向对方发送心跳包，对方收到心跳包后会自动回复；
• 应用自身实现心跳机制，同样也是使用定期发送请求的方式；

Flink实现的是第二种方案。

0x03 Flink心跳机制

3.1 代码和机制

Flink的心跳机制代码在：

Flink-master/flink-runtime/src/main/java/org/apache/flink/runtime/heartbeat

四个接口：

HeartbeatListener.java          HeartbeatManager.java      HeartbeatTarget.java  HeartbeatMonitor.java

以及如下几个类：

HeartbeatManagerImpl.java   HeartbeatManagerSenderImpl.java   HeartbeatMonitorImpl.java
HeartbeatServices.java    NoOpHeartbeatManager.java

Flink集群有多种业务流程，比如Resource Manager, Task Manager, Job Manager。每种业务流程都有自己的心跳机制。Flink的心跳机制只是提供接口和基本功能，具体业务功能由各业务流程自己实现。

我们首先设定 心跳系统中有两种节点：sender和receiver。心跳机制是sender和receivers彼此相互检测。但是检测动作是Sender主动发起，即Sender主动发送请求探测receiver是否存活，因为Sender已经发送过来了探测心跳请求，所以这样receiver同时也知道Sender是存活的，然后Reciver给Sender回应一个心跳表示自己也是活着的。

因为Flink的几个名词和我们常见概念有所差别，所以流程上需要大家仔细甄别，即：

• Flink Sender 主动发送Request请求给Receiver，要求Receiver回应一个心跳；
• Flink Receiver 收到Request之后，通过Receive函数回应一个心跳请求给Sender；

3.2 静态架构

3.2.1 HeartbeatTarget ：监控目标抽象

HeartbeatTarget是对监控目标的抽象。心跳机制在行为上而言有两种动作：

• 向某个节点发送请求。
• 处理某个节点发来的请求。

HeartbeatTarget的函数就是这两个动作：

• receiveHeartbeat ：向某个节点（Sender）发送心跳回应，其参数heartbeatOrigin 就是 Receiver。
• requestHeartbeat ：向某个节点（Receiver）要求其回应一个心跳，其参数requestOrigin 就是 Sender。requestHeartbeat这个函数是Sender的函数，其中Sender通过RPC直接调用到Receiver。

这两个函数的参数也很简单：分别是请求的发送放和接收方，还有Payload载荷。对于一个确定节点而言，接收的和发送的载荷是同一类型的。

public interface HeartbeatTarget {
	/**
	 * Sends a heartbeat response to the target.
	 * @param heartbeatOrigin Resource ID identifying the machine for which a heartbeat shall be reported.
	 */
  // heartbeatOrigin 就是 Receiver
	void receiveHeartbeat(ResourceID heartbeatOrigin, I heartbeatPayload);

	/**
	 * Requests a heartbeat from the target. 
	 * @param requestOrigin Resource ID identifying the machine issuing the heartbeat request.
	 */
  // requestOrigin 就是 Sender
	void requestHeartbeat(ResourceID requestOrigin, I heartbeatPayload);
}

3.2.2 HeartbeatMonitor : 管理heartbeat target的心跳状态

对HeartbeatTarget的封装，这样Manager对Target的操作是通过对Monitor完成，后续会在其继承类中详细说明。

public interface HeartbeatMonitor {
  // Gets heartbeat target.
	HeartbeatTarget getHeartbeatTarget();
	// Gets heartbeat target id.
	ResourceID getHeartbeatTargetId();
	// Report heartbeat from the monitored target.
	void reportHeartbeat();
	//Cancel this monitor.
	void cancel();
  //Gets the last heartbeat.
	long getLastHeartbeat();
}

3.2.3 HeartbeatManager ：心跳管理者

HeartbeatManager负责管理心跳机制，比如启动/停止/报告一个HeartbeatTarget。此接口继承HeartbeatTarget。

除了HeartbeatTarget的函数之外，这接口有4个函数：

• monitorTarget，把和某资源对应的节点加入到心跳监控列表;
• unmonitorTarget，从心跳监控列表删除某资源对应的节点;
• stop，停止心跳管理服务，释放资源;
• getLastHeartbeatFrom，获取某节点的最后一次心跳数据。

public interface HeartbeatManager extends HeartbeatTarget {
	void monitorTarget(ResourceID resourceID, HeartbeatTarget heartbeatTarget);
	void unmonitorTarget(ResourceID resourceID);
	void stop();
	long getLastHeartbeatFrom(ResourceID resourceId);
}

3.2.4 HearbeatListener 处理心跳结果

用户业务逻辑需要继承这个接口以处理心跳结果。其可以看做服务的输出，实现了三个回调函数。

• notifyHeartbeatTimeout，处理节点心跳超时
• reportPayload，处理节点发来的Payload载荷
• retrievePayLoad。获取对某节点发下一次心跳请求的Payload载荷

public interface HeartbeatListener {
	void notifyHeartbeatTimeout(ResourceID resourceID);
	void reportPayload(ResourceID resourceID, I payload);
	O retrievePayload(ResourceID resourceID);
}

3.3 动态运行机制

之前提到Sender和Receiver，下面两个类就对应上述概念。

• HeartbeatManagerImpl ：Receiver，存在于JobMaster与TaskExecutor中；
• HeartbeatManagerSenderImpl ：Sender，继承 HeartbeatManagerImpl类，用于周期发送心跳要求，存在于JobMaster、ResourceManager中。

几个关键问题：

1. 如何判定心跳超时？

   心跳服务启动后，Flink在Monitor中通过 ScheduledFuture 会启动一个线程来处理心跳超时事件。在设定的心跳超时时间到达后才执行线程。

   如果在设定的心跳超时时间内接收到组件的心跳消息，会先将该线程取消而后重新开启，重置心跳超时事件的触发。

   如果在设定的心跳超时时间内没有收到组件的心跳，则会通知组件：你超时了。

2. 何时"调用双方"发起心跳检查？

   心跳检查是双向的，一方（Sender）会主动发起心跳请求，而另一方（Receiver）则是对心跳做出响应，两者通过RPC相互调用，重置对方的 Monitor 超时线程。

   以JobMaster和TaskManager为例，JM在启动时会开启周期调度，向已经注册到JM中的TM发起心跳检查，通过RPC调用TM的requestHeartbeat方法，重置TM中对JM超时线程的调用，表示当前JM状态正常。在TM的requestHeartbeat方法被调用后，通过RPC调用JM的receiveHeartbeat，重置 JM 中对TM超时线程的调用，表示TM状态正常。

3. 如何处理心跳超时？

   心跳服务依赖 HeartbeatListener，当在timeout时间范围内未接收到心跳响应，则会触发超时处理线程，该线程通过调用HeartbeatListener.notifyHeartbeatTimeout方法做后续重连操作或者直接断开。

下面是一个概要（以RM & TM为例）：

• RM : 实现了ResourceManagerGateway (可以直接被RPC调用)

• TM : 实现了TaskExecutorGateway (可以直接被RPC调用)

• RM ：有一个Sender HM ： taskManagerHeartbeatManager，Sender HM 拥有用户定义的 TaskManagerHeartbeatListener

• TM ：有一个Receiver HM ：resourceManagerHeartbeatManager，Receiver HM 拥有用户定义的ResourceManagerHeartbeatListener。

• HeartbeatManager 有一个ConcurrentHashMap heartbeatTargets，这个Map是它监控的所有Target。

• 对于RM的每一个需要监控的TM, 其生成一个HeartbeatTarget，进而被构造成一个HeartbeatMonitor，放置到ResourceManager.taskManagerHeartbeatManager中。

• 每一个Target对应的Monitor中，有自己的异步任务ScheduledFuture，这个ScheduledFuture不停的被取消/重新生成。如果在某个期间内没有被取消，则通知用户定义的listener出现了timeout。

3.3.1 HearbeatManagerImpl : Receiver

HearbeatManagerImpl是receiver的具体实现。它由 心跳 被发起方（就是Receiver，例如TM） 创建，接收 发起方（就是Sender，例如 JM）的心跳发送请求。心跳超时 会触发 heartbeatListener.notifyHeartbeatTimeout方法。

注意：被发起方监控线程（Monitor）的开启是在接收到请求心跳（requestHeartbeat被调用后）以后才触发的，属于被动触发。

HearbeatManagerImpl主要维护了

• 一个心跳监控列表 map : > heartbeatTargets;。这是一个KV关联。

  key代表要发送心跳组件（例如：TM）的ID，value则是为当前组件创建的触发心跳超时的线程HeartbeatMonitor，两者一一对应。

  当一个从所联系的machine发过来的心跳被收到时候，对应的monitor的状态会被更新（重启一个新ScheduledFuture）。当一个monitor发现了一个 heartbeat timed out，它会通知自己的HeartbeatListener。

• 一个 ScheduledExecutor mainThreadExecutor 负责heartbeat timeout notifications。

• heartbeatListener ：处理心跳结果。

HearbeatManagerImpl 数据结构如下：

@ThreadSafe
public class HeartbeatManagerImpl implements HeartbeatManager {

	/** Heartbeat timeout interval in milli seconds. */
	private final long heartbeatTimeoutIntervalMs;

	/** Resource ID which is used to mark one own's heartbeat signals. */
	private final ResourceID ownResourceID;

	/** Heartbeat listener with which the heartbeat manager has been associated. */
	private final HeartbeatListener heartbeatListener;

	/** Executor service used to run heartbeat timeout notifications. */
	private final ScheduledExecutor mainThreadExecutor;

	/** Map containing the heartbeat monitors associated with the respective resource ID. */
	private final ConcurrentHashMap> heartbeatTargets;

	/** Running state of the heartbeat manager. */
	protected volatile boolean stopped;  
}

HearbeatManagerImpl实现的主要函数有：

• monitorTarget ：把一个节点加入到心跳监控列表。
  • 传入参数有：ResourceId和HearbeatTarget，monitorTarget根据这两个参数，生成一个HeartbeatMonitor对象，然后把这个对象跟ResrouceId做kv关联，存入到heartbeatTargets。 一个节点可能参与多个业务流程，因此一个节点参与多个心跳流程，一个节点上运行多个不同类型的HearbeatTarget。所以一个ResourceID可能会跟不同类型的HearbeatTarget对象关联，分别加入到多个HeartbeatManager，进行不同类型的心跳监控。也因此这个函数入参是两个参数。
• requestHeartbeat ：Sender通过RPC异步调用到Receiver的这个函数 以要求receiver向requestOrigin节点（就是Sender）发起一次心跳响应，载荷是heartbeatPayLoad。其内部流程如下：
  • 首先会调用reportHeartbeat函数，作用是 通过Monitor 记录发起请求的这个时间点，然后创建一个ScheduleFuture。如果到期后，requestOrigin没有作出响应，那么就将requestOrigin节点对应的HeartbeatMonitor的state设置成TIMEOUT状态，如果到期内requestOrigin响应了，ScheduleFuture会被取消，HeartbeatMonitor的state仍然是RUNNING。
  • 其次调用reportPayload函数，把requestOrigin节点的最新的heartbeatPayload通知给heartbeatListener。heartbeatListener是外部传入的，它根据所有节点的心跳记录做监听管理。
  • 最后调用receiveHearbeat函数，响应一个心跳给Sender。

3.3.2 HeartbeatManagerSenderImpl : Sender

继承HearbeatManagerImpl，由心跳管理的一方(例如JM)创建，实现了run函数（即它可以作为一个单独线程运行），创建后立即开启周期调度线程，每次遍历自己管理的heartbeatTarget，触发heartbeatTarget.requestHeartbeat，要求 Target 返回一个心跳响应。属于主动触发心跳请求。

public class HeartbeatManagerSenderImpl extends HeartbeatManagerImpl implements Runnable {
	public void run() {
		if (!stopped) {
			for (HeartbeatMonitor heartbeatMonitor : getHeartbeatTargets().values()) {
				requestHeartbeat(heartbeatMonitor);
			}
      // 周期调度
			getMainThreadExecutor().schedule(this, heartbeatPeriod, TimeUnit.MILLISECONDS);
		}
	}

  //  主动发起心跳检查
	private void requestHeartbeat(HeartbeatMonitor heartbeatMonitor) {
		O payload = getHeartbeatListener().retrievePayload(heartbeatMonitor.getHeartbeatTargetId());
		final HeartbeatTarget heartbeatTarget = heartbeatMonitor.getHeartbeatTarget();
    // 调用 Target 的 requestHeartbeat 函数
		heartbeatTarget.requestHeartbeat(getOwnResourceID(), payload);
	}  
}

3.3.3 HeartbeatMonitorImpl

Heartbeat monitor管理心跳目标，它启动一个ScheduledExecutor。

• 如果在timeout时间内没有接收到心跳信号，则判定心跳超时，通知给HeartbeatListener。
• 如果在timeout时间内接收到心跳信号，则重置当前ScheduledExecutor。

public class HeartbeatMonitorImpl implements HeartbeatMonitor, Runnable {

	/** Resource ID of the monitored heartbeat target. */
	private final ResourceID resourceID;   // 被监控的resource ID

	/** Associated heartbeat target. */
	private final HeartbeatTarget heartbeatTarget; //心跳目标

	private final ScheduledExecutor scheduledExecutor;

	/** Listener which is notified about heartbeat timeouts. */
	private final HeartbeatListener heartbeatListener; // 心跳监听器

	/** Maximum heartbeat timeout interval. */
	private final long heartbeatTimeoutIntervalMs;

	private volatile ScheduledFuture futureTimeout;
  //  AtomicReference  使用 
	private final AtomicReference state = new AtomicReference<>(State.RUNNING);
   //  最近一次接收到心跳的时间
  private volatile long lastHeartbeat;
  
	// 报告心跳
	public void reportHeartbeat() {
    // 保留最近一次接收心跳时间
		lastHeartbeat = System.currentTimeMillis();
    // 接收心跳后，重置timeout线程
		resetHeartbeatTimeout(heartbeatTimeoutIntervalMs);
	}

  // 心跳超时，触发lister的notifyHeartbeatTimeout
	public void run() {
		// The heartbeat has timed out if we're in state running
		if (state.compareAndSet(State.RUNNING, State.TIMEOUT)) {
			heartbeatListener.notifyHeartbeatTimeout(resourceID);
		}
	}

  //  重置TIMEOUT
	void resetHeartbeatTimeout(long heartbeatTimeout) {
		if (state.get() == State.RUNNING) {
      //先取消线程，在重新开启
			cancelTimeout();
      // 启动超时线程
			futureTimeout = scheduledExecutor.schedule(this, heartbeatTimeout, TimeUnit.MILLISECONDS);

			// Double check for concurrent accesses (e.g. a firing of the scheduled future)
			if (state.get() != State.RUNNING) {
				cancelTimeout();
			}
		}
	}

3.3.3 HeartbeatServices

建立heartbeat receivers and heartbeat senders，主要是对外提供服务。这里我们可以看到：

• HeartbeatManagerImpl就是receivers。
• HeartbeatManagerSenderImpl就是senders。

public class HeartbeatServices {
	// Creates a heartbeat manager which does not actively send heartbeats.
	public  HeartbeatManager createHeartbeatManager(...) {
		return new HeartbeatManagerImpl<>(...);
	}
	// Creates a heartbeat manager which actively sends heartbeats to monitoring targets.
	public  HeartbeatManager createHeartbeatManagerSender(...) {
		return new HeartbeatManagerSenderImpl<>(...);
	}
}

0x04 初始化

4.1 心跳服务创建

心跳管理服务在Cluster入口创建。因为我们是调试，所以在MiniCluster.start调用。

public void start() throws Exception {
				......
				heartbeatServices = HeartbeatServices.fromConfiguration(configuration);
				......
}

HeartbeatServices.fromConfiguration会从Configuration中获取配置信息：

• 心跳间隔 heartbeat.interval
• 心跳超时时间 heartbeat.timeout

这个就是我们解决最开始问题的思路：从配置信息入手，扩大心跳间隔。

public HeartbeatServices(long heartbeatInterval, long heartbeatTimeout) {
		this.heartbeatInterval = heartbeatInterval;
		this.heartbeatTimeout = heartbeatTimeout;
}

public static HeartbeatServices fromConfiguration(Configuration configuration) {
		long heartbeatInterval = configuration.getLong(HeartbeatManagerOptions.HEARTBEAT_INTERVAL);
		long heartbeatTimeout = configuration.getLong(HeartbeatManagerOptions.HEARTBEAT_TIMEOUT);

		return new HeartbeatServices(heartbeatInterval, heartbeatTimeout);
}

0x05 Flink中具体应用

5.1 总述

5.1.1 RM, JM, TM之间关系

系统中有几个ResourceManager？整个 Flink 集群中只有一个 ResourceManager。

系统中有几个JobManager？JobManager 负责管理作业的执行。默认情况下，每个 Flink 集群只有一个 JobManager 实例。JobManager 相当于整个集群的 Master 节点，负责整个集群的任务管理和资源管理。

系统中有几个TaskManager？这个由具体启动方式决定。比如Flink on Yarn，Session模式能够指定拉起多少个TaskManager。 Per job模式中TaskManager数量是在提交作业时根据并发度动态计算，即Number of TM = Parallelism/numberOfTaskSlots。比如：有一个作业，Parallelism为10，numberOfTaskSlots为1，则TaskManager为10。

5.1.2 三者间心跳机制

Flink中ResourceManager、JobMaster、TaskExecutor三者之间存在相互检测的心跳机制：

• ResourceManager会主动发送请求探测JobMaster、TaskExecutor是否存活。
• JobMaster也会主动发送请求探测TaskExecutor是否存活，以便进行任务重启或者失败处理。

我们之前讲过，HeartbeatManagerSenderImpl属于Sender，HeartbeatManagerImpl属于Receiver。

1. HeartbeatManagerImpl所处位置可以理解为client，存在于JobMaster与TaskExecutor中；
2. HeartbeatManagerSenderImpl类，继承 HeartbeatManagerImpl类，用于周期发送心跳请求，所处位置可以理解为server, 存在于JobMaster、ResourceManager中。

ResourceManager 级别最高，所以两个HM都是Sender，监控taskManager和jobManager

public abstract class ResourceManager
		extends FencedRpcEndpoint
		implements ResourceManagerGateway, LeaderContender {
	taskManagerHeartbeatManager = heartbeatServices.createHeartbeatManagerSender
	jobManagerHeartbeatManager = heartbeatServices.createHeartbeatManagerSender
}

JobMaster级别中等，一个Sender, 一个Receiver，受到ResourceManager的监控，监控taskManager。

public class JobMaster extends FencedRpcEndpoint implements JobMasterGateway, JobMasterService {
	taskManagerHeartbeatManager = heartbeatServices.createHeartbeatManagerSender
	resourceManagerHeartbeatManager = heartbeatServices.createHeartbeatManager
}

TaskExecutor级别最低，两个Receiver，分别被JM和RM疾控。

public class TaskExecutor extends RpcEndpoint implements TaskExecutorGateway {
	this.jobManagerHeartbeatManager = return heartbeatServices.createHeartbeatManager
	this.resourceManagerHeartbeatManager = return heartbeatServices.createHeartbeatManager
}

以JobManager和TaskManager为例。JM在启动时会开启周期调度，向已经注册到JM中的TM发起心跳检查，通过RPC调用TM的requestHeartbeat方法，重置对JM超时线程的调用，表示当前JM状态正常。在TM的requestHeartbeat方法被调用后，通过RPC调用JM的receiveHeartbeat，重置对TM超时线程的调用，表示TM状态正常。

5.2 初始化过程

5.2.1 TaskExecutor初始化

TM初始化生成了两个Receiver HM。

public class TaskExecutor extends RpcEndpoint implements TaskExecutorGateway {
	/** The heartbeat manager for job manager in the task manager. */
	private final HeartbeatManager jobManagerHeartbeatManager;

	/** The heartbeat manager for resource manager in the task manager. */
	private final HeartbeatManager resourceManagerHeartbeatManager;
  
  //初始化函数
	this.jobManagerHeartbeatManager = createJobManagerHeartbeatManager(heartbeatServices, resourceId);
	this.resourceManagerHeartbeatManager = createResourceManagerHeartbeatManager(heartbeatServices, resourceId);
}

生成HeartbeatManager时，就注册了ResourceManagerHeartbeatListener和JobManagerHeartbeatListener。

此时，两个HeartbeatManagerImpl中已经创建好对应monitor线程，只有在JM或者RM执行requestHeartbeat后，才会触发该线程的执行。

5.2.2 JobMaster的初始化

JM生成了一个Sender HM，一个Receiver HM。这里会注册 TaskManagerHeartbeatListener 和 ResourceManagerHeartbeatListener

public class JobMaster extends FencedRpcEndpoint implements JobMasterGateway, JobMasterService {
  private HeartbeatManager taskManagerHeartbeatManager;
  private HeartbeatManager resourceManagerHeartbeatManager;

  private void startHeartbeatServices() {
      taskManagerHeartbeatManager = heartbeatServices.createHeartbeatManagerSender(
        resourceId,
        new TaskManagerHeartbeatListener(),
        getMainThreadExecutor(),
        log);

      resourceManagerHeartbeatManager = heartbeatServices.createHeartbeatManager(
        resourceId,
        new ResourceManagerHeartbeatListener(),
        getMainThreadExecutor(),
        log);
  }
}

5.2.3 ResourceManager初始化

JobMaster在启动时候，会在startHeartbeatServices函数中生成两个Sender HeartbeatManager。

taskManagerHeartbeatManager ：HeartbeatManagerSenderImpl对象，会反复启动一个定时器，定时扫描需要探测的对象并且发送心跳请求。

jobManagerHeartbeatManager ：HeartbeatManagerSenderImpl，会反复启动一个定时器，定时扫描需要探测的对象并且发送心跳请求。

taskManagerHeartbeatManager = heartbeatServices.createHeartbeatManagerSender(
			resourceId,
			new TaskManagerHeartbeatListener(),
			getMainThreadExecutor(),
			log);

jobManagerHeartbeatManager = heartbeatServices.createHeartbeatManagerSender(
			resourceId,
			new JobManagerHeartbeatListener(),
			getMainThreadExecutor(),
			log);  

5.3 注册过程

我们以TM与RM交互为例。TaskExecutor启动之后，需要注册到RM和JM中。

流程图如下：

 * 1. Run in Task Manager
 *
 *    TaskExecutor.onStart //Life cycle
 *        |
 *        +----> startTaskExecutorServices@TaskExecutor
 *        |     //开始TM服务
 *        |     
 *        +----> resourceManagerLeaderRetriever.start(new ResourceManagerLeaderListener());
 *        |     // 开始连接到RM
 *        |     // start by connecting to the ResourceManager
 *        |    
 *        +----> notifyLeaderAddress@ResourceManagerLeaderListener  
 *        |     // 当RM状态变化之后，将回调到这里    
 *        |     // The listener for leader changes of the resource manager.
 *        |        
 *        +----> reconnectToResourceManager@TaskExecutor   
 *        |     // 以下三步调用是渐进的，就是与RM联系。
 *        |    
 *        +----> tryConnectToResourceManager@TaskExecutor 
 *        |     
 *        +----> connectToResourceManager()@TaskExecutor
 *        |     // 主要作用是生成了 TaskExecutorToResourceManagerConnection    
 *        |  
 *        +----> start@TaskExecutorToResourceManagerConnection
 *        |     // 开始RPC调用，将会调用到其基类RegisteredRpcConnection的start   
 *        |   
 *        +----> start@RegisteredRpcConnection
 *        |     // RegisteredRpcConnection实现了组件之间注册联系的基本RPC
 *        |      
   
   
 * ~~~~~~~~ 这里是 Akka RPC
   
 * 2. Run in Resource Manager   
 * 现在程序执行序列到达了RM, 主要是添加一个Target到RM 的 Sender HM；
 *
 *    registerTaskExecutor@ResourceManager
 *        |
 *        +----> taskExecutorGatewayFuture.handleAsync
 *        |     // 异步调用到这里
 *        |     
 *        +----> registerTaskExecutorInternal@ResourceManager
 *        |     // RM的内部实现，将把TM注册到RM自己这里
 *        |      
 *        +----> taskManagerHeartbeatManager.monitorTarget
 *        |     // 生成HeartbeatMonitor，
 *        |      
 *        +---->  heartbeatTargets.put(resourceID,heartbeatMonitor);
 *        |     // 把Monitor放到 HM in TM之中，就是说TM开始监控了RM
 *        |        

 * ~~~~~~~~ 这里是 Akka RPC
  
 * 3. Run in Task Manager
 * 现在程序回到了TM, 主要是添加一个Target到 TM 的 Receiver HM；
 *
 *    onRegistrationSuccess@TaskExecutorToResourceManagerConnection
 *        |   
 *        |   
 *        +---->  onRegistrationSuccess@ResourceManagerRegistrationListener 
 *        |       // 回调函数
 *        |  
 *        +---->  runAsync(establishResourceManagerConnection) 
 *        |       // 异步执行
 *        |  
 *        +---->  establishResourceManagerConnection@TaskExecutor 
 *        |       // 说明已经和RM建立了联系，所以可以开始监控RM了
 *        |  
 *        +---->  resourceManagerHeartbeatManager.monitorTarget 
 *        |     // 生成HeartbeatMonitor，
 *        |      
 *        +---->  heartbeatTargets.put(resourceID,heartbeatMonitor);  
 *        |       // 把 RM 也注册到 TM了
 *        |       // monitor the resource manager as heartbeat target 

下面是具体文字描述。

5.3.1 TM注册到RM中

5.3.1.1 TM的操作

• TaskExecutor启动之后，调用onStart，开始其生命周期。
• onStart直接调用startTaskExecutorServices。
• 启动服务的第一步就是与ResourceManager取得联系，这里注册了一个ResourceManagerLeaderListener()，用来监听RM Leader的变化。

private final LeaderRetrievalService resourceManagerLeaderRetriever;
// resourceManagerLeaderRetriever其实是EmbeddedLeaderService的实现，A simple leader election service, which selects a leader among contenders and notifies listeners.

resourceManagerLeaderRetriever.start(new ResourceManagerLeaderListener());

• 当得到RM Leader的地址之后，会调用到回调函数notifyLeaderAddress@ResourceManagerLeaderListener，然后调用notifyOfNewResourceManagerLeader。
• notifyOfNewResourceManagerLeader中获取到RM地址后，就通过reconnectToResourceManager与RM联系。
• reconnectToResourceManager中间接调用到TaskExecutorToResourceManagerConnection。其作用是建立TaskExecutor 和 ResourceManager之间的联系。因为知道 ResourceManagerGateway所以才能进行RPC操作。
• 然后在 TaskExecutorToResourceManagerConnection中，就通过RPC与RM联系。

5.3.1.2 RM的操作

• RPC调用后，程序就来到了RM中，RM做如下操作：
• 会注册一个新的TaskExecutor到自己的taskManagerHeartbeatManager中。
• registerTaskExecutor@ResourceManager会通过异步调用到registerTaskExecutorInternal。
• registerTaskExecutorInternal中首先看看是否这个TaskExecutor的ResourceID之前注册过，如果注册过就移除再添加一个新的TaskExecutor。
• 通过 taskManagerHeartbeatManager.monitorTarget 开始进行心跳机制的注册。

taskManagerHeartbeatManager.monitorTarget(taskExecutorResourceId, new HeartbeatTarget() {
				public void receiveHeartbeat(ResourceID resourceID, Void payload) {
					// the ResourceManager will always send heartbeat requests to the
					// TaskManager
				}
				public void requestHeartbeat(ResourceID resourceID, Void payload) {
					taskExecutorGateway.heartbeatFromResourceManager(resourceID);
				}
});

当注册完成后，RM中的Sender HM内部结构如下，能看出来多了一个Target：

taskManagerHeartbeatManager = {HeartbeatManagerSenderImpl@8866} 
 heartbeatPeriod = 10000
 heartbeatTimeoutIntervalMs = 50000
 ownResourceID = {ResourceID@8871} "040709f36ebf38f309fed518a88946af"
 heartbeatListener = {ResourceManager$TaskManagerHeartbeatListener@8872} 
 mainThreadExecutor = {RpcEndpoint$MainThreadExecutor@8873} 
 heartbeatTargets = {ConcurrentHashMap@8875}  size = 1
  {ResourceID@8867} "630c15c9-4861-4b41-9c95-92504f458b71" -> {HeartbeatMonitorImpl@9448} 
   key = {ResourceID@8867} "630c15c9-4861-4b41-9c95-92504f458b71"
   value = {HeartbeatMonitorImpl@9448} 
    resourceID = {ResourceID@8867} "630c15c9-4861-4b41-9c95-92504f458b71"
    heartbeatTarget = {ResourceManager$2@8868} 
    scheduledExecutor = {RpcEndpoint$MainThreadExecutor@8873} 
    heartbeatListener = {ResourceManager$TaskManagerHeartbeatListener@8872} 
    heartbeatTimeoutIntervalMs = 50000
    futureTimeout = {ScheduledFutureAdapter@10140} 
    state = {AtomicReference@9786} "RUNNING"
    lastHeartbeat = 0

5.3.1.3 返回到TM

RM会通过RPC再次回到TaskExecutor，其新执行序列如下：

• 首先RPC调用到了 onRegistrationSuccess@TaskExecutorToResourceManagerConnection。
• 然后onRegistrationSuccess@ResourceManagerRegistrationListener中通过异步执行调用到了establishResourceManagerConnection。这说明TM已经和RM建立了联系，所以可以开始监控RM了。
• 然后和RM操作类似，通过resourceManagerHeartbeatManager.monitorTarget 来把RM注册到自己这里。

HeartbeatMonitor heartbeatMonitor = heartbeatMonitorFactory.createHeartbeatMonitor 
heartbeatTargets.put(resourceID, heartbeatMonitor);  

当注册完成后，其Receiver HM结构如下：

resourceManagerHeartbeatManager = {HeartbeatManagerImpl@10163} 
 heartbeatTimeoutIntervalMs = 50000
 ownResourceID = {ResourceID@8882} "96a9b80c-dd97-4b63-9049-afb6662ea3e2"
 heartbeatListener = {TaskExecutor$ResourceManagerHeartbeatListener@10425} 
 mainThreadExecutor = {RpcEndpoint$MainThreadExecutor@10426} 
 heartbeatTargets = {ConcurrentHashMap@10427}  size = 1
  {ResourceID@8886} "122fa66685133b11ea26ee1b1a6cef75" -> {HeartbeatMonitorImpl@10666} 
   key = {ResourceID@8886} "122fa66685133b11ea26ee1b1a6cef75"
   value = {HeartbeatMonitorImpl@10666} 
    resourceID = {ResourceID@8886} "122fa66685133b11ea26ee1b1a6cef75"
    heartbeatTarget = {TaskExecutor$1@10668} 
    scheduledExecutor = {RpcEndpoint$MainThreadExecutor@10426} 
    heartbeatListener = {TaskExecutor$ResourceManagerHeartbeatListener@10425} 
    heartbeatTimeoutIntervalMs = 50000
    futureTimeout = {ScheduledFutureAdapter@10992} 
    state = {AtomicReference@10667} "RUNNING"
    lastHeartbeat = 0

5.3.2 TM注册到 JM

其调用基本思路与之前相同，就是TM和JM之间互相注册一个代表对方的monitor：

JobLeaderListenerImpl ----> establishJobManagerConnection

消息到了JM中，做如下操作。

registerTaskManager ----> taskManagerHeartbeatManager.monitorTarget
  // monitor the task manager as heartbeat target

5.4 心跳过程

在任务提交之后，我们就进入了正常的心跳监控流程。我们依然用 TM 和 RM进行演示。

我们先给出一个流程图。

 * 1. Run in Resouce Manager
 *
 *    HeartbeatManagerSender in RM
 *        |
 *        +----> run@HeartbeatManagerSenderImpl
 *        |     //遍历所有监控的Monitor（Target），逐一在Target上调用requestHeartbeat
 *        |     
 *        +----> requestHeartbeat@HeartbeatManagerSenderImpl 
 *        |     // 将调用具体监控对象的自定义函数
 *        |     // heartbeatTarget.requestHeartbeat(getOwnResourceID(), payload);
 *        |      
 *        +----> getHeartbeatListener().retrievePayload   
 *        |     // 调用到TaskManagerHeartbeatListener@ResourceManager    
 *        |     // 这里是return null;，因为RM不会是任何人的Receiver
 *        |        
 *        +----> requestHeartbeat@HeartbeatTarget   
 *        |     // 调用到Target这里，代码在ResourceManager这里，就是生成Target时候赋值的
 *        |    
 *        +----> taskExecutorGateway.heartbeatFromResourceManager
 *        |     // 会通过gateway RPC 调用到TM，这就是主动对TM发起了心跳请求
 *        |      

 * ~~~~~~~~ 这里是 Akka RPC
   
 * 2. Run in Task Manager   
 * 现在程序执行序列到达了TM, 主要是 1. 重置TM的Monitor线程; 2.返回一些负载信息；
 *
 *    heartbeatFromResourceManager@TaskExecutor
 *        |
 *        +----> resourceManagerHeartbeatManager.requestHeartbeat(resourceID, null);
 *        |     //开始要调用到 Receiver HM in Task Manager
 *        |     
 *        +----> requestHeartbeat@HeartbeatManager in TM 
 *        |     // 在Receiver HM in Task Manager 这里运行
 *        |      
 *        +----> reportHeartbeat@HeartbeatMonitor   
 *        |     //reportHeartbeat : 记录发起请求的这个时间点，然后resetHeartbeatTimeout
 *        |      
 *        +----> resetHeartbeatTimeout@HeartbeatMonitor
 *        |     // 如果Monitor状态依然是RUNNING，则取消之前设置的ScheduledFuture。
 *        |     // 重新创建一个ScheduleFuture。因为如果不取消，则之前那个ScheduleFuture运行时
 *        |     // 会调用HeartbeatMonitorImpl.run函数，run直接compareAndSet后，通知目标函数
 *        |     // 目前已经超时，即调用heartbeatListener.notifyHeartbeatTimeout。
 *        |     // 这里代表 JM 状态正常。   
 *        |      
 *        +---->  heartbeatListener.reportPayload
 *        |     // 把Target节点的最新的heartbeatPayload通知给heartbeatListener。 
 *        |     // heartbeatListerner是外部传入的，它根据所拥有的节点的心跳记录做监听管理。
 *        |        
 *        +---->  heartbeatTarget.receiveHeartbeat(getOwnResourceID(), heartbeatListener.retrievePayload(requestOrigin));
 *        |      
 *        |     
 *        +---->  retrievePayload@ResourceManagerHeartbeatListener in TM   
 *        |       // heartbeatTarget.receiveHeartbeat参数调用的
 *        |     
 *        +---->  return new TaskExecutorHeartbeatPayload
 *        |   
 *        |     
 *        +---->  receiveHeartbeat in TM 
 *        |       // 回到 heartbeatTarget.receiveHeartbeat，这就是TM生成Target的时候的自定义函数
 *        |       // 就是响应一个心跳消息回给RM
 *        |     
 *        +----> resourceManagerGateway.heartbeatFromTaskManager  
 *        |     // 会通过gateway RPC 调用到 ResourcManager
 *        |      

 * ~~~~~~~~ 这里是 Akka RPC
  
 * 3. Run in Resouce Manager
 * 现在程序回到了RM, 主要是 1.重置RM的Monitor线程；2. 上报收到TaskExecutor的负载信息  
 *
 *    heartbeatFromTaskManager in RM
 *        |   
 *        |   
 *        +---->  taskManagerHeartbeatManager.receiveHeartbeat 
 *        |       // 这是个Sender HM
 *        |  
 *        +---->  HeartbeatManagerImpl.receiveHeartbeat  
 *        |  
 *        |     
 *        +---->  HeartbeatManagerImpl.reportHeartbeat(heartbeatOrigin);
 *        | 
 *        |    
 *        +---->  heartbeatMonitor.reportHeartbeat(); 
 *        |      // 这里就是重置RM 这里对应的Monitor。在reportHeartbeat重置 JM monitor线程的触发，即cancelTimeout取消注册时候的超时定时任务，并且注册下一个超时检测futureTimeout；这代表TM正常执行。
 *        |     
 *        +----> heartbeatListener.reportPayload    
 *        |      //把Target节点的最新的heartbeatPayload通知给 TaskManagerHeartbeatListener。heartbeatListerner是外部传入的，它根据所拥有的节点的心跳记录做监听管理。 
 *        |      
 *        +----> slotManager.reportSlotStatus(instanceId, payload.getSlotReport());
 *        |     // TaskManagerHeartbeatListener中调用，上报收到TaskExecutor的负载信息
 *        |        

下面是具体文字描述。

5.4.1 ResourceManager主动发起

5.4.1.1 Sender遍历所有监控的Monitor（Target）

心跳机制是由Sender主动发起的。这里就是 ResourceManager 的HeartbeatManagerSenderImpl中定时schedual调用，这里会遍历所有监控的Monitor（Target），逐一在Target上调用requestHeartbeat。

// HeartbeatManagerSenderImpl中的代码

	@Override
	public void run() {
		if (!stopped) {
			for (HeartbeatMonitor heartbeatMonitor : getHeartbeatTargets().values()) {
        // 这里向被监控对象节点发起一次心跳请求，载荷是heartbeatPayLoad,要求被监控对象回应心跳
				requestHeartbeat(heartbeatMonitor);
			}
			getMainThreadExecutor().schedule(this, heartbeatPeriod, TimeUnit.MILLISECONDS);
		}
	}
}

// 运行时候的变量
this = {HeartbeatManagerSenderImpl@9037} 
 heartbeatPeriod = 10000
 heartbeatTimeoutIntervalMs = 50000
 ownResourceID = {ResourceID@8788} "d349506cae32cadbe99b9f9c49a01c95"
 heartbeatListener = {ResourceManager$TaskManagerHeartbeatListener@8789} 
 mainThreadExecutor = {RpcEndpoint$MainThreadExecutor@8790} 

// 调用栈如下
requestHeartbeat:711, ResourceManager$2 (org.apache.flink.runtime.resourcemanager)
requestHeartbeat:702, ResourceManager$2 (org.apache.flink.runtime.resourcemanager)
requestHeartbeat:92, HeartbeatManagerSenderImpl (org.apache.flink.runtime.heartbeat)
run:81, HeartbeatManagerSenderImpl (org.apache.flink.runtime.heartbeat)
call:511, Executors$RunnableAdapter (java.util.concurrent)
run$$$capture:266, FutureTask (java.util.concurrent)
run:-1, FutureTask (java.util.concurrent)

5.4.1.2 Target进行具体操作

具体监控对象 Target 会调用自定义的requestHeartbeat。

HeartbeatManagerSenderImpl

	private void requestHeartbeat(HeartbeatMonitor heartbeatMonitor) {
		O payload = getHeartbeatListener().retrievePayload(heartbeatMonitor.getHeartbeatTargetId());
		final HeartbeatTarget heartbeatTarget = heartbeatMonitor.getHeartbeatTarget();

    // 这里就是具体监控对象
		heartbeatTarget.requestHeartbeat(getOwnResourceID(), payload);
	}

heartbeatTarget = {ResourceManager$2@10688} 
 taskExecutorGateway = {$Proxy42@9459} "org.apache.flink.runtime.rpc.akka.AkkaInvocationHandler@6d0c8334"
 this$0 = {StandaloneResourceManager@9458} 

请注意，每一个Target都是由ResourceManager生成的。ResourceManager之前注册成为Monitor时候就注册了这个HeartbeatTarget。

这个HeartbeatTarget的定义如下，两个函数是：

• receiveHeartbeat ：这个是空，因为RM没有自己的Sender。

• requestHeartbeat ：这个针对TM，就是调用TM的heartbeatFromResourceManager，当然是通过RPC调用。

5.4.1.3 RPC调用

会调用到ResourceManager定义的函数requestHeartbeat，而requestHeartbeat会通过gateway调用到TM，这就是主动对TM发起了心跳请求。

taskManagerHeartbeatManager.monitorTarget(taskExecutorResourceId, new HeartbeatTarget() {
   @Override
   public void receiveHeartbeat(ResourceID resourceID, Void payload) {
      // the ResourceManager will always send heartbeat requests to the TaskManager
   }

   @Override
   public void requestHeartbeat(ResourceID resourceID, Void payload) {
      //就是调用到这里
      taskExecutorGateway.heartbeatFromResourceManager(resourceID); 
   }
});

5.4.2 RM通过RPC调用TM

通过taskExecutorGateway。心跳程序执行就通过RPC从RM跳跃到了TM。

taskExecutorGateway.heartbeatFromResourceManager 的意义就是：通过RPC调用回到TaskExecutor。这个是在TaskExecutorGateway就定义好的。

// TaskExecutor RPC gateway interface.
public interface TaskExecutorGateway extends RpcGateway

TaskExecutor实现了TaskExecutorGateway，所以具体在TaskExecutor内部实现了接口函数。

@Override
public void heartbeatFromResourceManager(ResourceID resourceID) {
    //调用到了这里 ...........
		resourceManagerHeartbeatManager.requestHeartbeat(resourceID, null);
}

TM中，resourceManagerHeartbeatManager 定义如下。

/** The heartbeat manager for resource manager in the task manager. */
private final HeartbeatManager resourceManagerHeartbeatManager;

所以下面就是执行TM中的Receiver HM。在这个过程中有两个处理步骤：

1. 调用对应HeartbeatMonitor的reportHeartbeat方法，cancelTimeout取消注册时候的超时定时任务，并且注册下一个超时检测futureTimeout；
2. 调用monitorTarget的receiveHeartbeat方法，也就是会通过rpc调用JobMaster的heartbeatFromTaskManager方法返回一些负载信息；

具体是调用 requestHeartbeat@HeartbeatManager。在其中会

• 调用reportHeartbeat@HeartbeatMonitor，记录发起请求的这个时间点，然后resetHeartbeatTimeout。
• 在resetHeartbeatTimeout@HeartbeatMonitor之中，如果Monitor状态依然是RUNNING，则取消之前设置的ScheduledFuture。重新创建一个ScheduleFuture。因为如果不取消，则之前那个ScheduleFuture运行时会调用HeartbeatMonitorImpl.run函数，run直接compareAndSet后，通知目标函数目前已经超时，即调用heartbeatListener.notifyHeartbeatTimeout。
• 调用 heartbeatListener.reportPayload，把Target节点的最新的heartbeatPayload通知给heartbeatListener。
• 调用 heartbeatTarget.receiveHeartbeat(getOwnResourceID(), heartbeatListener.retrievePayload(requestOrigin)); 就是响应一个心跳消息回给RM。

	@Override
	public void requestHeartbeat(final ResourceID requestOrigin, I heartbeatPayload) {
		if (!stopped) {
			log.debug("Received heartbeat request from {}.", requestOrigin);

			final HeartbeatTarget heartbeatTarget = reportHeartbeat(requestOrigin);

			if (heartbeatTarget != null) {
				if (heartbeatPayload != null) {
					heartbeatListener.reportPayload(requestOrigin, heartbeatPayload);
				}

				heartbeatTarget.receiveHeartbeat(getOwnResourceID(), heartbeatListener.retrievePayload(requestOrigin));
			}
		}
	}

最后会通过resourceManagerGateway.heartbeatFromTaskManager 调用到 ResourcManager。

5.4.3 TM 通过RPC回到 RM

JobMaster在接收到rpc请求后调用其heartbeatFromTaskManager方法，会调用taskManagerHeartbeatManager的receiveHeartbeat方法，在这个过程中同样有两个处理步骤：

1. 调用对应HeartbeatMonitor的reportHeartbeat方法，cancelTimeout取消注册时候的超时定时任务，并且注册下一个超时检测futureTimeout；
2. 调用TaskManagerHeartbeatListener的reportPayload方法，上报收到TaskExecutor的负载信息

至此一次完成心跳过程已经完成，会根据heartbeatInterval执行下一次心跳。

5.5 超时处理

5.5.1 TaskManager

首先，在HeartbeatMonitorImpl中，如果超时，会调用Listener。

public void run() {
   // The heartbeat has timed out if we're in state running
   if (state.compareAndSet(State.RUNNING, State.TIMEOUT)) {
      heartbeatListener.notifyHeartbeatTimeout(resourceID);
   }
}

这就来到了ResourceManagerHeartbeatListener，会尝试再次连接RM。

private class ResourceManagerHeartbeatListener implements HeartbeatListener {

   @Override
   public void notifyHeartbeatTimeout(final ResourceID resourceId) {
      validateRunsInMainThread();
      // first check whether the timeout is still valid
      if (establishedResourceManagerConnection != null && establishedResourceManagerConnection.getResourceManagerResourceId().equals(resourceId)) {
         reconnectToResourceManager(new TaskManagerException(
            String.format("The heartbeat of ResourceManager with id %s timed out.", resourceId)));
      } else {
         .....
      }
   }

5.5.2 ResourceManager

RM就直接简单粗暴，关闭连接。

private class TaskManagerHeartbeatListener implements HeartbeatListener {

   @Override
   public void notifyHeartbeatTimeout(final ResourceID resourceID) {
      validateRunsInMainThread();
      closeTaskManagerConnection(
         resourceID,
         new TimeoutException("The heartbeat of TaskManager with id " + resourceID + "  timed out."));
   }
}  

0x06 解决问题

心跳机制我们讲解完了，但是我们最初提到的异常应该如何解决呢？在程序最开始生成环境变量时候，通过设置环境变量的配置即可搞定：

Configuration conf = new Configuration();
conf.setString("heartbeat.timeout", "18000000");
final LocalEnvironment env = ExecutionEnvironment.createLocalEnvironment(conf);

0x07 参考

[flink-001]flink的心跳机制

Flink中心跳机制

flink1.8 心跳服务

你有必要了解一下Flink底层RPC使用的框架和原理

flink RPC(akka)

弄清Flink1.8的远程过程调用(RPC)

Apache Flink源码解析 （七）Flink RPC的底层实现

flink源码阅读第一篇—入口

flink-on-yarn 基础架构和启动流程