Flink源码阅读（11）--- Flink Task重启时机

本篇文章简单总结下Flink Task重启时机

1. Flink 集群正常

   在Flink集群正常的情况下，只有Task出现异常才会依据重启策略发生Task重启。

2. Flink集群异常

2.1 节点之间网络延迟、抖动

   依照配置的心跳间隔和心跳超时时间进行判断，站在TM立场，如果触发：

 2.1.1 与JobManager心跳超时

      TaskManager直接fail该TM该Job所有的Task，JobManager标记Task失败，也会进行fail，并进行重新调度。

 2.1.2 与ResourceManager心跳超时

      关闭TaskManager和ResourceManager的连接，TaskManager会尝试重新注册到ResourceManager，ResourceManager会在关闭TaskManager连接时，同时向SlotManager发起unregister，此时SlotManager会释放掉对应的所有slot，并按照AllocationID通知JobMaster去fail对应分配的task；超过最大注册时间还未注册成功，则退出TaskManager进程。

2.2 节点掉线

 2.2.1 JobManager无影响

   yarn会通知Flink ResourceManager某些container已经掉线，此时ResourceManager会关闭和这个container的连接，参照上述2.1.2中的描述，进行task的失败处理。

 2.2.2 JobManager重启

 TaskManager将根据Zookeeper去找到新的JobManager：

   1. 心跳超时时间内找到新的JobManager：此时fail所有的task，然后发起重新注册；

   2. 心跳超时后找到新的JobManager：超时即fail所有的task，等待找到新的JobManager，然后发起重新注册；

3. 总结

一旦JobManager发生变更，必然发生Task的重启；同时，ResourceManager发生变更，也会发起重新注册的流程，此时也会产生Task的重启。

这里推荐一篇介绍flink容错机制好的文章，深入理解 Flink 容错机制