一、程序与数据流转换（DataFlow）

    • 所有的Flink程序都是由三部分组成的： Source 、Transformation 和 Sink。

    • Source 负责读取数据源，Transformation 利用各种算子进行处理加工，Sink 负责输出

    • 在运行时，Flink上运行的程序会被映射成“逻辑数据流”（dataflows），它包含了这三部分

    • 每一个dataflow以一个或多个sources开始以一个或多个sinks结束。dataflow类似于任意的有向无环图（DAG）

    • 在大部分情况下，程序中的转换运算（transformations）跟dataflow中的算子（operator）是一一对应的关系

二、执行图

    • Flink 中的执行图可以分成四层：StreamGraph -> JobGraph -> ExecutionGraph-> 物理执行图
        Ø StreamGraph：是根据用户通过 Stream API 编写的代码生成的最初的图。用来表示程序的拓扑结构。
        Ø JobGraph：StreamGraph经过优化后生成了 JobGraph，提交给 JobManager 的数据结构。主要的优化为，将多个符合条件的节点 chain 在一起作为一个节点
        Ø ExecutionGraph：JobManager 根据 JobGraph 生成ExecutionGraph。ExecutionGraph是JobGraph的并行化版本，是调度层最核心的数据结构。
        Ø 物理执行图：JobManager 根据 ExecutionGraph 对 Job 进行调度后，在各个TaskManager 上部署 Task 后形成的“图”，并不是一个具体的数据结构。

        从上图我们可以看出aggregation和sink两个步骤合并了，那么为什么会合并呢，这就引出了数据传输形式。

数据传输形式 

    • 一个程序中，不同的算子可能具有不同的并行度

    • 算子之间传输数据的形式可以是 one-to-one (forwarding) 的模式也可以是redistributing 的模式，具体是哪一种形式，取决于算子的种类
        Ø One-to-one(不涉及shuffle过程)：stream维护着分区以及元素的顺序（比如source和map之间）。这意味着map 算子的子任务看到的元素的个数以及顺序跟 source 算子的子任务生产的元素的个数、顺序相同。map、fliter、flatMap等算子都是one-to-one的对应关系。
        Ø Redistributing(涉及shuffle过程)：stream的分区会发生改变。每一个算子的子任务依据所选择的transformation发送数据到不同的目标任务。例如，keyBy 基于 hashCode 重分区、而 broadcast 和 rebalance 会随机重新分区，这些算子都会引起redistribute过程，而 redistribute 过程就类似于 Spark 中的 shuffle 过程。

任务链（Operator Chains） 

    • Flink 采用了一种称为任务链的优化技术，可以在特定条件下减少本地通信的开销。为了满足任务链的要求，必须将两个或多个算子设为相同的并行度，并通过本地转发（local forward）的方式进行连接

    • 相同并行度的  one-to-one 操作，Flink 这样相连的算子链接在一起形成一个 task，原来的算子成为里面的 subtask

    • 并行度相同、并且是 one-to-one 操作，两个条件缺一不可