完整教程：flink工作流程

一个从用户代码到分布式执行的完整过程，主要分为以下核心阶段（附关键流程图解）：就是Flink的工作流程
程序提交、图转换、资源分配和任务执行四个阶段，具体流程如下：

一、程序提交阶段

‌代码解析
用户通过DataStream API或Table API编写程序，调用env.execute()触发执行。客户端生成初始逻辑图StreamGraph，包含所有算子节点和数据流边
‌图优化转换‌

‌StreamGraph‌：直接映射用户代码逻辑，是最接近用户层的初始图结构。
‌JobGraph‌：进行算子链（OperatorChain）合并优化，将多个算子合并为同一线程执行的任务，减少网络开销。
‌ExecutionGraph‌：加入并行度概念，是实际调度执行的数据结构，由JobMaster管理。

‌StreamGraph → JobGraph‌：合并算子链（Operator Chain），将可并行且无shuffle的算子合并为Task

// 示例：map和filter会被合并为单个Task
dataStream.map(...).filter(...).keyBy(...).sum(...)

‌JobGraph → ExecutionGraph‌：根据并行度展开为可调度的并行子任务

二、集群调度阶段

‌资源申请‌
JobManager向资源管理器（YARN/K8s）申请Slot资源
Standalone模式直接使用预分配TaskManager资源
‌任务部署‌
每个Task部署到对应Slot执行
网络通信模式：
‌Forward‌：一对一传输（如map→filter）
‌Hash/Partition‌：按Key重分布（如keyBy）

三、运行时执行阶段

‌数据流处理‌
TaskManager启动线程执行任务，采用事件驱动模型。
数据到达时触发计算，通过时间窗口和水位线机制处理乱序数据，结果可通过Sink输出或继续流转。
执行完成后，单作业模式会释放集群资源，会话模式则保留资源供其他作业使用。
关键机制：
‌Watermark‌：推动事件时间进展
‌Checkpoint‌：周期性状态快照
‌容错恢复‌
故障时从最近Checkpoint恢复状态
端到端精确一次需Sink拥护两阶段提交

四、部署模式差异

模式	资源隔离性	适用场景	工作流特性
会话模式	弱	开发测试	多作业共享常驻集群
单作业模式	强	生产环境核心作业	作业级集群生命周期管理
应用模式	强	复杂应用	main()在集群执行，降低客户端负载

五、完整流程图解

Flink作业执行流程

以下为Apache Flink作业从用户代码到最终执行的完整流程示意图及说明：