1.开发者模式
在idea中运行Flink程序的方式就是开发模式。
2.local-cluster模式
Flink中的Local-cluster(本地集群)模式,单节点运行，主要用于测试, 学习。
3.Standalone模式
独立集群模式，由Flink自身提供计算资源。
4.Yarn模式
把Flink应用提交给Yarn的ResourceManager
Flink会根据运行在JobManger上的job的需要的slot的数量动态的分配TaskManager资源
Yarn又分3种模式
4.1Session-Cluster
Session-Cluster模式需要先启动Flink集群，向Yarn申请资源。以后提交任务都向这里提交。
这个Flink集群会常驻在yarn集群中，除非手工停止。
在向Flink集群提交Job的时候, 如果资源被用完了,则新的Job不能正常提交.
缺点: 如果提交的作业中有长时间执行的大作业, 占用了该Flink集群的所有资源, 则后续无法提交新的job.
所以, Session-Cluster适合那些需要频繁提交的多个小Job, 并且执行时间都不长的Job.
4.2Per-Job-Cluster
一个Job会对应一个Flink集群，每提交一个作业会根据自身的情况，都会单独向yarn申请资源，直到作业执行完成，一个作业的失败与否并不会影响下一个作业的正常提交和运行。独享Dispatcher和ResourceManager，按需接受资源申请；适合规模大长时间运行的作业。
每次提交都会创建一个新的flink集群，任务之间互相独立，互不影响，方便管理。任务执行完成之后创建的集群也会消失。
Per-job模式执行结果，一个job对应一个Application
4.3Application Mode
Application Mode会在Yarn上启动集群, 应用jar包的main函数(用户类的main函数)将会在JobManager上执行. 只要应用程序执行结束, Flink集群会马上被关闭. 也可以手动停止集群.
与Per-Job-Cluster的区别：就是Application Mode下, 用户的main函数式在集群中执行的，并且当一个application中有多个job的话，per-job模式则是一个job对应一个yarn中的application，而Application Mode则这个application中对应多个job。
Application Mode模式执行结果，多个job对应一个Application
官方建议:
出于生产的需求, 我们建议使用Per-job or Application Mode,因为他们给应用提供了更好的隔离!
https://ci.apache.org/projects/flink/flink-docs-release-1.12/deployment/
yarn-cluster提交流程
0．Flink任务提交后，Client向HDFS上传Flink的Jar包和配置
1．向Yarn ResourceManager提交任务，ResourceManager分配Container资源
2．通知对应的NodeManager启动ApplicationMaster，ApplicationMaster启动后加载Flink的Jar包和配置构建环境，然后启动JobManager（Dispatcher）
2.1．Dispatcher启动JobMaster
3．JobMaster向ResourceManager（Flink）申请资源
4．ResourceManager（Flink）向ResourceManager（Yarn）申请资源启动TaskManager
5．ResourceManager分配Container资源后，由ApplicationMaster通知资源所在节点的NodeManager启动TaskManager
6．TaskManager注册Slot
7．发出提供Slot命令
8．TaskManager向JobMaster提供Slot
9．JobMaster提交要在Slot中执行的任务