flink：JobGraph生成过程分析

1、JobGraph是由StreamGraph转换而来，当client将StreamGraph提交后，job启动前会先完成转换，统一的转换入口如下：

2、StreamingJobGraphGenerator类
StreamingJobGraphGenerator的职责就是将StreamGraph转换成JobGraph，在转换的过程中要根据StreamGraph中的节点及边的对应关系进行算子链的合并，同时将一些其他与任务执行相关联的信息复制过来，接下来主要需要关注其中的构造方法、转换方法、判断能否合并的逻辑、算子合并的方法、StreamNode转换为JobVertex等几个核心方法即可梳理清楚其转换的业务
2.1、构造方法

其构造方法中主要包含三个内容，保存了StreamGraph、构造了JobGraph、同时new了一系列的集合容器用于存储转换的中间态
2.2、转换方法createJobGraph

createJobGraph方法中逻辑很清晰，除了合并算子就是复制一些其他执行参数
2.3、setChaining和createChain方法
在这两处完成了算子的合并核心逻辑，其实就是根据能否chain的判定进行不同的处理，其步骤可以归纳为：

a、因为在StreamGraph中已经形成了完整的DAG图，此处直接遍历source节点，从source节点往后挨个去createChain

b，createChain时先拿到当前节点的下游节点，然后递归处理，构建出整个的传递链

c、在构造JobVertex时，如果从前面传递过来的两个节点ID相同，则证明是头结点，则生成一个JobVertex，并将传递链中的后续算子connect起来，如果不是则表示应当是被合并的算子，则仅维护StreamConfig即可
d、于此同时也维护好对应的执行资源数据、格式化数据等
2.4、能否chain成链的判断逻辑

判断很简洁明了，不再赘述
2.5、createJobVertex
如果是头结点时就将头节点转化为一个JobVertex，此处有InputOutputFormatVertex和JobVertex的区别

2.6 connect
此处就是根据不同的策略，将传递链上的对应关系维护到一个JobEdge中去。

最后，总的来看由于在StreamGraph中已经构建好了DAG的关系和映射，在StreamingJobGraphGenerator将这个映射关系再次优化而已，在此过程中还涉及到JobGraph、JobVertex、JobEdge等对象，这些可以对比StreamGraph、StreamNode和StreamEdge更容易理解。

标签：转换,StreamGraph,flink,JobVertex,生成,JobGraph,算子,节点
来源： https://www.cnblogs.com/wangwei0721/p/14051959.html