Flink的特點：

• 事件驅(qū)動
• 基于流的世界觀：有界流和無界流
• 分層API
• 其他特點

任務(wù)提交流程：

YARN任務(wù)提交流程：

執(zhí)行圖：

由 Flink 程序直接映射成的數(shù)據(jù)流圖是 StreamGraph，也被稱為邏輯流圖，因為

它們表示的是計算邏輯的高級視圖。為了執(zhí)行一個流處理程序，F(xiàn)link 需要將邏輯流

圖轉(zhuǎn)換為物理數(shù)據(jù)流圖（也叫執(zhí)行圖），詳細(xì)說明程序的執(zhí)行方式。

Flink 中的執(zhí)行圖可以分成四層：StreamGraph -> JobGraph -> ExecutionGraph ->

物理執(zhí)行圖。

StreamGraph：是根據(jù)用戶通過 Stream API 編寫的代碼生成的最初的圖。用

來表示程序的拓?fù)浣Y(jié)構(gòu)。

JobGraph：StreamGraph 經(jīng)過優(yōu)化后生成了 JobGraph，提交給 JobManager 的

數(shù)據(jù)結(jié)構(gòu)。主要的優(yōu)化為，將多個符合條件的節(jié)點 chain 在一起作為一個節(jié)點，這

樣可以減少數(shù)據(jù)在節(jié)點之間流動所需要的序列化/反序列化/傳輸消耗。

ExecutionGraph ： JobManager 根 據(jù) JobGraph 生 成 ExecutionGraph 。

ExecutionGraph 是 JobGraph 的并行化版本，是調(diào)度層最核心的數(shù)據(jù)結(jié)構(gòu)。

物理執(zhí)行圖：JobManager 根據(jù) ExecutionGraph 對 Job 進行調(diào)度后，在各個

TaskManager 上部署 Task 后形成的“圖”，并不是一個具體的數(shù)據(jù)結(jié)構(gòu)。