flink源码编译-job提交，Flink源码编译与Job提交流程解析

摘要：，，本文介绍了Flink源码编译及作业提交的过程。需要下载并解压Flink源码，然后进行编译。编译完成后，可以通过Flink提供的作业提交工具将作业提交到Flink集群中进行处理。整个过程相对简单，但需要一定的技术基础和对Flink的基本了解。Flink是一个流处理框架，广泛应用于大数据处理领域。

在 standalone 集群中，用于启动 TaskManager 的类为 TaskManagerRunner。

通过快捷键 ctrl+n 找到并打开类：org.apache.flink.runtime.taskexecutor.TaskManagerRunner。

为了启动 TaskManager，你需要进行以下步骤：

1、打开 master 启动类。

在启动 TaskManager 之前，你需要确保 master 节点已经成功启动。

2、修改运行配置。

在运行 TaskManager 时，需要根据 master 的配置进行相应的调整，需要注意日志配置，特别是日志文件的名称需要稍作修改，可以设置如下参数：

-Dlog.file=./log/flink-taskmanager-1.local.log

以及选择合适的日志配置文件路径，如：

-Dlog4j.configuration=./conf/log4j.properties 或-Dlogback.configurationFile=./conf/logback.xml。

3、修改 flink-conf.yaml 配置文件。

在项目的根目录下找到 conf 文件夹，并打开其中的 flink-conf.yaml 文件，在此文件中，你需要添加或修改以下配置（主要是关于 TaskManager 的内存配置）：

taskmanager.resource-id: 设置 TaskManager 的资源标识，例如tm_hitao。

taskmanager.cpu.cores: 设置 TaskManager 使用的 CPU 核心数，例如设置为 1。

taskmanager.memory.task.heap.size: 设置任务堆外内存大小，例如512m。

taskmanager.memory.managed.size: 设置托管内存大小，例如512m。

taskmanager.memory.network.min 和taskmanager.memory.network.max: 分别设置网络内存的最小和最大值，例如都设置为128m。

taskmanager.memory.task.off-heap.size: 设置任务堆外内存大小，根据实际需求进行设置，例如设置为0m。

上述配置中的数值仅供参考，实际部署时需要根据集群的硬件资源和业务需求进行调整，确保所有配置正确后，即可启动 TaskManager。