我在3台机器的集群上使用Apache Flink 1.4，其中一台是JobManager，另外两台是HostManagers .

我在群集模式下启动flink并提交flink作业 . 我在flink配置中配置了24个任务槽，对于作业，我使用了6个任务槽 . 在代码中，我启用了检查点，并将重启策略设置为fixedDelayRestart .

当我提交作业时，我看到3个任务分配给工作机1，3个分配给工作机2 . 现在，当我在WorkerMachine 2上杀死TaskManager时，我看到整个作业失败 .

  • 这是预期的行为，还是像Spark中那样具有自动故障转移功能 .

  • 我们是否需要使用YARN / Mesos或Zookeeper来实现自动故障转移？

  • 我们尝试了重启策略，但是当它重新启动时，我们得到一个异常，说没有可用的任务槽，然后作业失败 . 我们认为24个插槽足以接管 . 我们在这里做错了什么？

注意 -

这是一个Flink Streaming作业 . 每次JobManager尝试连接到我已经杀死的TaskManager时，我都会得到一个java.net.ConnectException . 它重试3次（我设置的数字），然后作业失败 .

我希望JobManager将工作负载移动到运行TaskManager的剩余计算机上 . 或者它是否期望在重新启动时两个TaskManagers都会启动？

apache-flink