由前文我们知道，StreamGraph 表示一个流任务的逻辑拓扑，可以用一个 DAG 来表示（代码实现上没有一个 DAG 结构），DAG 的顶点是 StreamNode，边是 StreamEdge，边包含了由哪个 StreamNode 依赖哪个 StreamNode。本文我们主要介绍一个 StreamGraph 是如何转换成一个 JobGraph。
一、JobGraph 概述
- JobGraph 将会在原来的基础上做相应的优化（主要是算子的 Chain 操作，Chain 在一起的算子将会在同一个 task 上运行，会极大减少 shuffle 的开销）
- JobGraph 用来由 JobClient 提交给 JobManager，是由顶点（
JobVertex）、中间结果（IntermediateDataSet）和边（JobEdge）组成的 DAG 图 - JobGraph 定义作业级别的配置，而每个顶点和中间结果定义具体操作和中间数据的设置
为什么要有 StreamGraph 和 JobGraph 两层的 Graph，最主要的原因是为兼容 batch process，Streaming process 最初产生的是 StreamGraph，而 batch process 产生的则是 OptimizedPlan，但是它们最后都会转换为 JobGraph
1.1、JobVertex
JobVertex 相当于是 JobGraph 的顶点，跟 StreamNode 的区别是，它是 Operator Chain 之后的顶点，会包含多个 StreamNode。主要成员：
-
List<OperatorIDPair> operatorIDs：该 job 节点包含的所有 operator ids，以深度优先方式存储 ids -
ArrayList<JobEdge> inputs：带输入数据的边列表 -
ArrayList<IntermediateDataSet> results：job 节点计算出的中间结果
1.2、IntermediateDataSet
它是由一个 Operator（可能是 source，也可能是某个中间算子）产生的一个中间数据集。中间数据集可能会被其他 operators 读取，物化或丢弃。主要成员：
-
JobVertex producer：该中间结果的生产者 -
List<JobEdge> consumers：该中间结果消费边，通过消费边指向消费的节点 -
ResultPartitionType resultType：中间结果的分区类型- 流水线的（有界的或无界的）：一旦产生数据就向下游发送，可能是逐个发送的，有界或无界的记录流。
- 阻塞：仅在生成完整结果时向下游发送数据。
1.3、JobEdge
它相当于是 JobGraph 中的边（连接通道），这个边连接的是一个 IntermediateDataSet 跟一个要消费的 JobVertex。主要成员：
-
IntermediateDataSet sourc：边的源 -
JobVertex target：边的目标 -
DistributionPattern distributionPattern：决定了在上游节点（生产者）的子任务和下游节点（消费者）之间的连接模式-
ALL_TO_ALL：每个生产子任务都连接到消费任务的每个子任务 -
POINTWISE：每个生产子任务都连接到使用任务的一个或多个子任务
-
二、Create Job Graph 主要流程
2.1、核心步骤
2.2、setChaining
从 Source StreamNode 实例开始设置 task chain，它将会递归地创建所有的 JobVertex 实例
这个方法首先从会遍历这个 StreamGraph 的所有 source 节点，然后选择从 source 节点开始执行 createChain() 方法，在具体的实现里，主要逻辑如下
总结下这个流程：
- 从输入节点开始，判断边的输出节点能否加入到该 chain
- 如果可以，则继续从输出节点执行扩展该 chain
- 否则，当前 chain 结束，以输出节点为初始节点，递归创建新的 chain
- 如果当前节点为 chain 的首节点，那么就创建一个 JobVertex，否则创建 StreamConfig，记录到 chainedConfigs（由于调用链上后面的节点先创建，因此创建首节点的 JobVertex 时，就可以使用 chainedConfigs 记录的信息了）
其中 JobEdge 是通过下游 JobVertex 的 connectNewDataSetAsInput 方法来创建的，在创建 JobEdge 之前，会先用上游 JobVertex 创建一个 IntermediateDataSet 实例，用来作为上游 JobVertex 的结果输出，然后作为 JobEdge 的输入，构建JobEdge实例，具体实现如下：
public JobEdge connectNewDataSetAsInput(
JobVertex input,
DistributionPattern distPattern,
ResultPartitionType partitionType) {
/** 创建输入JobVertex的输出数据集合 */
IntermediateDataSet dataSet = input.createAndAddResultDataSet(partitionType);
/** 构建 JobEdge 实例 */
JobEdge edge = new JobEdge(dataSet, this, distPattern);
/** 将 JobEdge 实例，作为当前 JobVertex 的输入 */
this.inputs.add(edge);
/** 设置中间结果集合 dataSet 的消费者是上面创建的 JobEdge */
dataSet.addConsumer(edge);
return edge;
}
通过上述的构建过程，就可以实现上下游 JobVertex 的连接，上游 JobVertex ——> 中间结果集合 IntermediateDataSet ——> JobEdge ——> 下游 JobVertex。其中：
- IntermediateDataSet 和 JobEdge 是用来建立上下游 JobVertex 之间连接的配置
- 一个 IntermediateDataSet 有一个 producer，可以有多个消费者 JobEdge
- 一个 JobEdge 则有一个数据源 IntermediateDataSet，一个目标JobVertex
- 一个 JobVertex 可以产生多个输出 IntermediateDataSet，也可以接受来自多个 JobEdge 的数据
2.3、算子 Chainable 的依据
isChainable() 的判断依据如下：
return downStreamVertex.getInEdges().size() == 1 //
&& upStreamVertex.isSameSlotSharingGroup(downStreamVertex) // 对应的 slotSharingGroup 一样
&& outOperator.getChainingStrategy() == ChainingStrategy.ALWAYS // out operator 允许 chain 操作
&& (headOperator.getChainingStrategy() == ChainingStrategy.HEAD || // head Operator 允许跟后面的 chain 在一起
headOperator.getChainingStrategy() == ChainingStrategy.ALWAYS)
&& (edge.getPartitioner() instanceof ForwardPartitioner) // partitioner 是 ForwardPartitioner 类型
&& edge.getShuffleMode() != ShuffleMode.BATCH
&& upStreamVertex.getParallelism() == downStreamVertex.getParallelism() // 并发相等
&& streamGraph.isChainingEnabled(); // StreamGraph 允许 Chain 在一起
2.3.1、slotSharingGroup
一个 StreamNode 的 SlotSharingGroup 会按照下面这个逻辑来确定:
- 如果用户指定了 SlotSharingGroup，直接使用这个 SlotSharingGroup name；
- 如果所有的 input 都是同一个 group name，使用这个即可；
- 否则使用 default group；
2.3.2、edge.getPartitioner()
StreamPartitioner 的实现
用户可以在自己的代码中调用 DataStream API （比如：broadcast()、shuffle() 等）配置相应的 StreamPartitioner，如果这个没有指定 StreamPartitioner 的话，则会走下面的逻辑创建默认的 StreamPartitioner：
//org.apache.flink.streaming.api.graph.StreamGraph
//note: 未指定 partitioner 的话，会为其选择 forward（并发设置相同时） 或 rebalance（并发设置不同时）
if (partitioner == null && upstreamNode.getParallelism() == downstreamNode.getParallelism()) {
partitioner = new ForwardPartitioner<Object>();
} else if (partitioner == null) {
partitioner = new RebalancePartitioner<Object>();
}
