Flink是一个基于Master-Slave风格的架构，Flink集群启动时，会启动一个JobManager进程、至少一个TaskManager进程。当Flink程序提交后，会创建一个Client来进行预处理，将程序转换为一个表示完整Job的DAG，并提交到JobManager，最后JobManager将Job中的各个Task分配给TaskManager。Flink 中的计算资源通过Task Slot来定义。每个Task Slot 代表了TaskManager 的一个固定大小的资源池。例如，一个拥有3个slot的TaskManager会将其管理的内存平均分成三分分给各个slot。将资源slot 化意味着来自不同job的task不会出现内存竞争。slot目前仅支持内存的隔离，不支持CPU隔离。
Flink程序在执行的时候，会先被转化为一个Streaming Dataflows，一个Streaming Dataflow是由一组Stream和Transformation Operator组成的DAG。
用户首先提交Flink程序到JobClient，经过JobClient的处理、解析、优化提交到JobManager，最后由TaskManager运行task。
Client：Flink Client主要给用户提供向Flink系统提交用户任务（流式作业）的能力。
TaskManager：Flink系统的业务执行节点，执行具体的用户任务。TaskManager可以有多个，各个TaskManager都平等。
JobManager：Flink系统的管理节点，管理所有的TaskManager，并决策用户任务在哪些Taskmanager执行。JobManager在HA模式下可以有多个，但只有一个主JobManager。
TaskSlot：TaskSlot（任务槽）类似yarn中的container用于资源隔离，但是该组件只包含内存资源，不包含cpu资源。假如每一个TaskManager当中包含3个Task Slot，TaskManager最多能同时并发执行的任务是可以控制的，那就是3个, 因为不能超过slot的数量。slot有独占的内存空间，这样在一个TaskManager中可以运行多个不同的作业，作业之间不受影响。slot之间可以共享JVM资源, 可以共享Dataset和数据结构，也可以通过多路复用（Multiplexing） 共享TCP连接和心跳消息（Heatbeat Message）。
Task：任务执行的单元。