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.Flink 的运行必须依赖 Hadoop组件吗？**
Flink能够齐全独立于Hadoop，在不依赖Hadoop组件下运行。然而做为大数据的基础设施，Hadoop体系是任何大数据框架都绕不过来的。Flink能够集成泛滥Hadooop 组件，例如Yarn、Hbase、HDFS等等。例如，Flink能够和Yarn集成做资源调度，也能够读写HDFS，或者利用HDFS做检查点。
2.你们的Flink集群规模多大？**
大家留神，这个问题看起来是问你理论利用中的Flink集群规模，其实还暗藏着另一个问题：Flink能够反对多少节点的集群规模？在答复这个问题时候，能够将本人生产环节中的集群规模、节点、内存状况阐明，同时阐明部署模式（个别是Flink on Yarn），除此之外，用户也能够同时在小集群（少于5个节点）和领有 TB 级别状态的上千个节点上运行 Flink 工作。
3.Flink的根底编程模型理解吗？
上图是来自Flink官网的运行流程图。通过上图咱们能够得悉，Flink 程序的根本构建是数据输出来自一个 Source，Source 代表数据的输出端，通过 Transformation 进行转换，而后在一个或者多个Sink接收器中完结。数据流（stream）就是一组永远不会进行的数据记录流，而转换（transformation）是将一个或多个流作为输出，并生成一个或多个输入流的操作。执行时，Flink程序映射到 streaming dataflows，由流（streams）和转换操作
（transformation operators）组成。
4.Flink集群有哪些角色？各自有什么作用？
Flink 程序在运行时次要有 TaskManager，JobManager，Client三种角色。其中JobManager扮演着集群中的管理者Master的角色，它是整个集群的协调者，负责接管Flink Job，协调检查点，Failover 故障复原等，同时治理Flink集群中从节点TaskManager。TaskManager是理论负责执行计算的Worker，在其上执行Flink Job的一组Task，每个TaskManager负责管理其所在节点上的资源信息，如内存、磁盘、网络，在启动的时候将资源的状态向JobManager汇报。Client是Flink程序提交的客户端，当用户提交一个Flink程序时，会首先创立一个Client，该Client首先会对用户提交的Flink程序进行预处理，并提交到Flink集群中解决，所以Client须要从用户提交的Flink程序配置中获取JobManager的地址，并建设到JobManager的连贯，将Flink Job提交给JobManager。
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**