「Flink」Flink 1.9 WebUI運行做業界面分析

運行做業界面

在如下界面中，能夠查看到做業的名稱、做業的啓動時間、做業總計運行時長、做業一共有多少個任務、當前正在運行多少個任務、以及做業的當前狀態。

這裏的程序：一共有17個任務，當前正在運行的是17個任務。

做業概覽界面

在這個界面中，咱們能夠看到數據流圖。這個程序中，一共有3個算子。

Custom Source任務並行度爲1

Flat Map任務並行度爲8,

Flink Map –> Sink任務並行度爲8

一共是17個任務。

在明細界面中，能夠查看到具體每一個算子接收的字節數、記錄數，發送的字節數、記錄數，並行度，開始時間，持續運行時間。

具體Operator運行狀況

點擊某一個Operator，能夠查看到該Operator的具體運行信息。

上圖，咱們能夠看到Task處理的數據是均勻的，每個Task都拉取到了差很少的記錄數。

而下面這張圖，咱們能夠很直觀地看到，3個分區中是有數據處理的。由於此處咱們只有三個單詞：hadoop flink spark。每一個單詞都分配到了不一樣的任務中處理。

Checkpoint界面

Overview

Overview中能夠看到Checkpoint的整體概覽狀況。

Triggered表示一共觸發了14個checkpoint，完成了14個。

Lastest Completed Checkpoint爲最近一次checkpoint的狀況，能夠看到這個checkpoint在state中存儲的大小是5.9KB。

再看一下這個checkpoint的明細信息：

能夠看到這個checkpoint並無配置外部的存儲，是保存在Task Manager的內存走過來的。並且這個Checkpoint已經被discard掉了。

再看下具體Operators的checkpoint狀況，在Flink中每一個Operator都是有狀態的。

第一個Source、第二個Flat Map，這兩個Operator都沒有實現Operator State（也就是CheckpointFunction），因此，他們並無真正的佔用狀態存儲。

而在第三個FlatMap –> Slink Operator走過來，由於使用到了Keyed Manage State中的ValueState，因此，這裏狀態存儲中是有值的。

History

在History選項卡中，咱們能夠看到全部的checkpoint的歷史記錄

Summary

Summary中，能夠看到checkpoint的運行時間。