什么是Standalone？
standalone 英['stændəˌləʊn] 美['stændəˌloʊn] n. 脱机; adj. 单独的，独立的; [例句]Work in a standalone or client/ server environment.在独立环境或客户机/服务器环境中工作。
standalone 英['st鎛dY蘬Y妌] 美['st鎛dY蘬o妌]
n. 脱机;
adj. 单独的，独立的;
[例句]Work in a standalone or client/ server environment.
在独立环境或客户机/服务器环境中工作。
flink standalone的架构及原理？
一、架构
Flink以层级式系统形式组件其软件栈，不同层的栈建立在其下层基础上，并且各层接受程序不同层的抽象形式。
运行时层以JobGraph形式接收程序。JobGraph即为一个一般化的并行数据流图（data flow），它拥有任意数量的Task来接收和产生data stream。
DataStream API和DataSet API都会使用单独编译的处理方式生成JobGraph。DataSet API使用optimizer来决定针对程序的优化方法，而DataStream API则使用stream builder来完成该任务。
在执行JobGraph时，Flink提供了多种候选部署方案（如local，remote，YARN等）。
Flink附随了一些产生DataSet或DataStream API程序的的类库和API：处理逻辑表查询的Table，机器学习的FlinkML，图像处理的Gelly，复杂事件处理的CEP。
二、原理
1. 流、转换、操作符
Flink程序是由Stream和Transformation这两个基本构建块组成，其中Stream是一个中间结果数据，而Transformation是一个操作，它对一个或多个输入Stream进行计算处理，输出一个或多个结果Stream。
Flink程序被执行的时候，它会被映射为Streaming Dataflow。一个Streaming Dataflow是由一组Stream和Transformation Operator组成，它类似于一个DAG图，在启动的时候从一个或多个Source Operator开始，结束于一个或多个Sink Operator。
2. 并行数据流
一个Stream可以被分成多个Stream分区（Stream Partitions），一个Operator可以被分成多个Operator Subtask，每一个Operator Subtask是在不同的线程中独立执行的。一个Operator的并行度，等于Operator Subtask的个数，一个Stream的并行度总是等于生成它的Operator的并行度。
One-to-one模式
比如从Source[1]到map()[1]，它保持了Source的分区特性（Partitioning）和分区内元素处理的有序性，也就是说map()[
Flink Standalone是一种分布式流处理架构，它由一个JobManager和多个TaskManager组成。JobManager负责接收和调度任务，将任务分发给TaskManager执行。TaskManager负责并行执行任务，并将结果返回给JobManager。Flink通过流数据流的方式进行处理，将输入流切分成多个数据流，并在TaskManager上并行处理。Flink的原理是使用流数据流模型，实现数据的高吞吐和低延迟处理，同时支持容错和状态管理，以保证处理的准确性和可靠性。
《STAND-ALONE》游戏配置要求介绍的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多《STAND-ALONE》游戏配置要求介绍的信息可以在站内搜索。
