運行作業界面
在以下界面中，可以查看到作業的名稱、作業的啟動時間、作業總計運行時長、作業一共有多少個任務、當前正在運行多少個任務、以及作業的當前狀態，
這里的程式：一共有17個任務，當前正在運行的是17個任務，
作業概覽界面
在這個界面中，我們可以看到資料流圖，這個程式中，一共有3個算子，
Custom Source任務并行度為1
Flat Map任務并行度為8,
Flink Map –> Sink任務并行度為8
一共是17個任務，
在明細界面中，可以查看到具體每個算子接收的位元組數、記錄數，發送的位元組數、記錄數，并行度，開始時間，持續運行時間，
具體Operator運行情況
點擊某一個Operator，可以查看到該Operator的具體運行資訊，
上圖，我們可以看到Task處理的資料是均勻的，每一個Task都拉取到了差不多的記錄數，
而下面這張圖，我們可以很直觀地看到，3個磁區中是有資料處理的，因為此處我們只有三個單詞：hadoop flink spark，每個單詞都分配到了不同的任務中處理，
Checkpoint界面
Overview
Overview中可以看到Checkpoint的總體概覽情況，
Triggered表示一共觸發了14個checkpoint，完成了14個，
Lastest Completed Checkpoint為最近一次checkpoint的情況，可以看到這個checkpoint在state中存盤的大小是5.9KB，
再看一下這個checkpoint的明細資訊：
可以看到這個checkpoint并沒有配置外部的存盤，是保存在Task Manager的記憶體走過來的，而且這個Checkpoint已經被discard掉了，
再看下具體Operators的checkpoint情況，在Flink中每個Operator都是有狀態的，
第一個Source、第二個Flat Map，這兩個Operator都沒有實作Operator State（也就是CheckpointFunction），所以，他們并沒有真正的占用狀態存盤，
而在第三個FlatMap –> Slink Operator走過來，因為使用到了Keyed Manage State中的ValueState，所以，這里狀態存盤中是有值的，
History
在History選項卡中，我們可以看到所有的checkpoint的歷史記錄
Summary
Summary中，可以看到checkpoint的運行時間，
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/32518.html
標籤：大數據