flink实战--StreamGraph，JobGraph，ExecutionGraph生成流程解析

简介

             Flink在提交并执行任务时,首先会生成执行计划，依次生成StreamGraph、JobGraph、 ExecutionGraph、物理执行图。其中StreamGraph和JobGraph是在client端生成的,ExecutionGraph是在JobMaster中执行的，JobMaster根据 JobGraph 生成ExecutionGraph。方便调度和监控和跟踪各个 tasks 的状态。ExecutionGraph是JobGraph的并行化版本，是调度层最核心的数据结构,本文将详细介绍这些Graph的功能以及生成流程，方便大家对Flink内部执行流程有一个清晰的全局认识。

StreamGraph、JobGraph、ExecutionGraph的功能

1.StreamGraph

             根据用户代码生成的最原始执行图，StreamGraph其实就是由用户代码中涉及到transformations转换来的，它包含两个重要元素，StreamNode和StreamEdge。StreamGraph的生成发生在用户调用了env.execute() 方法之后，而在这之前，用户编写的应用程序会转换成一个包含了Transformation的集合,SteamEdge用来表示transformation之间的连接关系，StreamNode用来表示具体的operator（算子)，用来代表 operator 的类，并具有所有相关的属性，如并发度、入边和出边等。