Flink中JobManager和TaskManager的职责是什么？

执行JobManager分配的具体任务（如Map、Filter、Window等算子），处理数据流中的记录。
支持多线程并行，每个Slot运行一个任务子集（Subtask）。

通过Slot机制划分内存、CPU等资源，每个Slot独立运行任务，避免资源竞争。
向JobManager注册Slot并汇报资源状态，供任务调度使用。

与其他TaskManager直接通信，完成数据的分区（Partitioning）、Shuffle等操作。
使用网络栈（如基于Netty）高效传输流式数据。

本地状态存储（如内存、RocksDB），定期将状态持久化到外部存储（如HDFS）。
响应JobManager的检查点指令，完成快照生成和恢复。

定期向JobManager发送心跳信号，确认存活状态。
上报任务执行进度、异常事件等信息。

接收用户提交的作业（如JAR文件或DAG执行计划），解析并生成逻辑数据流图（Logical Dataflow Graph）。
将逻辑图优化为物理执行图（Execution Graph），拆分为可并行执行的任务（Task）。
将任务调度到TaskManager的Slot（资源槽）上运行，确保资源合理分配。

协调检查点（Checkpoint）和保存点（Savepoint）的触发，确保状态一致性。
在任务失败时，重新调度任务并从最近的检查点恢复状态，保障Exactly-Once语义。

与资源管理器（如YARN、Kubernetes）协作，申请或释放TaskManager资源。
监控TaskManager的资源使用情况（如Slot数量），动态调整任务分配。

控制作业的启动、暂停、取消等操作。
收集作业指标（如吞吐量、延迟），提供监控接口（如Web UI、REST API）。

在HA模式下，通过ZooKeeper等协调服务实现主备切换，避免单点故障。