我正在读Flink官方关于任务失败恢复的文件：https://ci.apache.org/projects/flink/flink-docs-stable/dev/task_failure_recovery.html
据我所知，这个doc告诉我们，如果某个任务由于某种原因失败，flink可以借助检查点机制来恢复它。
现在我还有两个问题：
如果taskmanager失败了怎么办？据我所知，一个任务分配给一个或多个槽，槽位于一个或多个TaskManager。在阅读了上面的文档之后，我知道flink可以恢复失败的任务，但是如果taskmanager失败了，会发生什么呢？Flink也能恢复吗？如果失败的taskmanager可以恢复，则分配给它的任务在恢复后是否可以继续自动运行？
如果jobmanager失败了怎么办？如果jobmanager失败了，所有taskmanager也会失败吗？如果是这样，当我在zookeeper的帮助下恢复jobmanager时，是否所有TaskManager及其任务都将继续自动运行？
1条答案
按热度按时间wj8zmpe11#
在一个纯独立的集群中，如果任务管理器死亡，那么如果您有一个备用任务管理器在运行，它将被使用。否则，作业管理器将等待新的任务管理器奇迹般地出现。实现这一切取决于你。另一方面，如果您使用的是yarn、mesos或kubernetes，集群管理框架将负责确保有足够的tms。
至于作业管理器失败，在独立集群中，您应该运行备用作业管理器，并配置zookeeper来进行领导者选举。使用yarn、mesos和kubernetes，您可以让集群框架处理重新启动作业管理器或运行备用（如您所愿），但无论哪种情况，您仍然需要zookeeper为作业管理器的元数据提供ha存储。
任务管理器可以在作业管理器失败/恢复情况下生存。作业不必重新启动。
https://ci.apache.org/projects/flink/flink-docs-stable/ops/jobmanager_high_availability.html.