共计 1182 个字符，预计需要花费 3 分钟才能阅读完成。
锁屏面试题百日百刷，每个工作日保持更新面试题。 请看到最初就能获取你想要的, 接下来的是今日的面试题：
1.Operator Chains（算子链）这个概念你理解吗？**
为了更高效地分布式执行，Flink 会尽可能地将 operator 的 subtask 链接（chain）在一起造成 task。每个 task 在一个线程中执行。将 operators 链接成 task 是十分无效的优化：它能缩小线程之间的切换，缩小音讯的序列化 / 反序列化，缩小数据在缓冲区的替换，缩小了提早的同时进步整体的吞吐量。这就是咱们所说的算子链。
2.Flink 什么状况下才会把 Operator chain 在一起造成算子链？**
两个 operator chain 在一起的的条件：
上下游的并行度统一
上游节点的入度为 1（也就是说上游节点没有来自其余节点的输出）
上下游节点都在同一个 slot group 中（上面会解释 slot group）
上游节点的 chain 策略为 ALWAYS（能够与上下游链接，map、flatmap、filter 等默认是 ALWAYS）
上游节点的 chain 策略为 ALWAYS 或 HEAD（只能与上游链接，不能与上游链接，Source 默认是 HEAD）
两个节点间数据分区形式是 forward（参考了解数据流的分区）
用户没有禁用 chain
3.flink 中生产 kafka 数据的时候，如何解决脏数据？**
能够在解决前加一个 fliter 算子，将不合乎规定的数据过滤进来。
4.Flink Job 的提交流程 **
用户提交的 Flink Job 会被转化成一个 DAG 工作运行，别离是：StreamGraph、JobGraph、ExecutionGraph，Flink 中 JobManager 与 TaskManager，JobManager 与 Client 的交互是基于 Akka 工具包的，是通过音讯驱动。整个 Flink Job 的提交还蕴含着 ActorSystem 的创立，JobManager 的启动，TaskManager 的启动和注册。
5.Flink 所谓 ” 三层图 ” 构造是哪几个 ” 图 ”？**
一个 Flink 工作的 DAG 生成计算图大抵经验以下三个过程：
1)StreamGraph 最靠近代码所表白的逻辑层 a 面的计算拓扑构造，依照用户代码的执行程序向
StreamExecutionEnvironment 增加 StreamTransformation 形成流式图。
2)JobGraph 从 StreamGraph 生成，将能够串联合并的节点进行合并，设置节点之间的边，安顿资源共享 slot 槽位和搁置相关联的节点，上传工作所需的文件，设置检查点配置等。相当于通过局部初始化和优化解决的工作图。
3)ExecutionGraph 由 JobGraph 转换而来，蕴含了工作具体执行所需的内容，是最贴近底层实现的执行图。
全部内容在 git 上, 理解更多请点我头像或到我的主页去取得，谢谢 **