StreamGraph是什么？
StreamGraph顾名思义是流图，它描述的是一个数据流的拓补结构，包含了创建JobGraph的所有必要信息。StreamGraph由StreamNode和StreamEdge组成，StreamNode描述了流程序中的一个操作符和相关的属性，StreamEdge是连接两个StreamNode的边，代表的是一个数据流。
为什么需要StreamGraph？
Flink是一个流式计算引擎，它支持两种类型的执行模式：流式计算和批处理。但是在运行时，这两种模式是被统一，并没有区别对待，都是使用JobGraph进行描述。为了描述这两种执行模式，分别定义了不同的数据结构，那就是StreamGraph和Plan，基于这两种数据结构生成相应的JobGraph。
如何创建StreamGraph？
在介绍如何创建StreamGraph之前，我们先介绍一些跟StreamGraph相关的和新概念和数据结构。
StreamExecutionEnvironment
流的执行环境，包含流的ExecutionConfig，CheckpointConfig，StreamTransformation列表和StateBackend等。它是生成StreamGraph的入口：
public StreamGraph getStreamGraph() {
if (transformations.size() <= 0) {
throw new IllegalStateException("No operators defined in streaming topology. Cannot execute.");
}
return StreamGraphGenerator.generate(this, transformations);
}
StreamGraphGenerator
顾名思义，StreamGraph生成器，真正执行和生成StreamGraph的类。它根据创建流拓补结构过程中生成的StreamTransformation，解析生成相应StreamNode和StreamEdge，组合生成StreamGraph。
private StreamGraph generateInternal(List> transformations) {
for (StreamTransformation transformation: transformations) {
transform(transformation);
}
return streamGraph;
}
StreamTransformation
StreamTransformation代表了一个创建DataStream的操作，每个DataStream都有一个底层的StreamTransformation。但是并不是每一个StreamTransformation都对应一个运行时的物理操作。例如：
上图左边对应的是创建流拓补结构是对应的流图，而右边则是运行时的操作图。
StreamTransformation是一个抽象类型，具体对应的实现由很多种：
- SourceTransformation
- OneInputTransformation
- SideOutputTransformation
- SelectTransformation
- PartitionTransformation
- CoFeedbackTransformation
- FeedbackTransformation
- UnionTransformation
- SplitTransformation
- TwoInputTransformation
- SinkTransformation
每种类型的StreamTransformation都对应相应的operator，通过解析具体的StreamTransformation，创建StreamNode和StreamEdge。当然前面已经说过，并不是每种类型的StreamTransformation都会创建StreamNode和StreamEdge，下面看下具体的生成过程：
private Collection transform(StreamTransformation transform) {
if (alreadyTransformed.containsKey(transform)) {
return alreadyTransformed.get(transform);
}
LOG.debug("Transforming " + transform);
if (transform.getMaxParallelism() <= 0) {
// if the max parallelism hasn't been set, then first use the job wide max parallelism
// from theExecutionConfig.
int globalMaxParallelismFromConfig = env.getConfig().getMaxParallelism();
if (globalMaxParallelismFromConfig > 0) {
transform.setMaxParallelism(globalMaxParallelismFromConfig);
}
}
// call at least once to trigger exceptions about MissingTypeInfo
transform.getOutputType();
Collection transformedIds;
if (transform instanceof OneInputTransformation) {
transformedIds = transformOneInputTransform((OneInputTransformation) transform);
} else if (transform instanceof TwoInputTransformation) {
transformedIds = transformTwoInputTransform((TwoInputTransformation) transform);
} else if (transform instanceof SourceTransformation) {
transformedIds = transformSource((SourceTransformation) transform);
} else if (transform instanceof SinkTransformation) {
transformedIds = transformSink((SinkTransformation) transform);
} else if (transform instanceof UnionTransformation) {
transformedIds = transformUnion((UnionTransformation) transform);
} else if (transform instanceof SplitTransformation) {
transformedIds = transformSplit((SplitTransformation) transform);
} else if (transform instanceof SelectTransformation) {
transformedIds = transformSelect((SelectTransformation) transform);
} else if (transform instanceof FeedbackTransformation) {
transformedIds = transformFeedback((FeedbackTransformation) transform);
} else if (transform instanceof CoFeedbackTransformation) {
transformedIds = transformCoFeedback((CoFeedbackTransformation) transform);
} else if (transform instanceof PartitionTransformation) {
transformedIds = transformPartition((PartitionTransformation) transform);
} else if (transform instanceof SideOutputTransformation) {
transformedIds = transformSideOutput((SideOutputTransformation) transform);
} else {
throw new IllegalStateException("Unknown transformation: " + transform);
}
// need this check because the iterate transformation adds itself before
// transforming the feedback edges
if (!alreadyTransformed.containsKey(transform)) {
alreadyTransformed.put(transform, transformedIds);
}
if (transform.getBufferTimeout() > 0) {
streamGraph.setBufferTimeout(transform.getId(), transform.getBufferTimeout());
}
if (transform.getUid() != null) {
streamGraph.setTransformationUID(transform.getId(), transform.getUid());
}
if (transform.getUserProvidedNodeHash() != null) {
streamGraph.setTransformationUserHash(transform.getId(), transform.getUserProvidedNodeHash());
}
if (transform.getMinResources() != null && transform.getPreferredResources() != null) {
streamGraph.setResources(transform.getId(), transform.getMinResources(), transform.getPreferredResources());
}
return transformedIds;
}
以OneInputTransformation为例，看下是如何创建StreamNode和StreamEdge。
private Collection transformOneInputTransform(OneInputTransformation transform) {
Collection inputIds = transform(transform.getInput());
// the recursive call might have already transformed this
if (alreadyTransformed.containsKey(transform)) {
return alreadyTransformed.get(transform);
}
String slotSharingGroup = determineSlotSharingGroup(transform.getSlotSharingGroup(), inputIds);
streamGraph.addOperator(transform.getId(),
slotSharingGroup,
transform.getOperator(),
transform.getInputType(),
transform.getOutputType(),
transform.getName());
if (transform.getStateKeySelector() != null) {
TypeSerializer keySerializer = transform.getStateKeyType().createSerializer(env.getConfig());
streamGraph.setOneInputStateKey(transform.getId(), transform.getStateKeySelector(), keySerializer);
}
streamGraph.setParallelism(transform.getId(), transform.getParallelism());
streamGraph.setMaxParallelism(transform.getId(), transform.getMaxParallelism());
for (Integer inputId: inputIds) {
streamGraph.addEdge(inputId, transform.getId(), 0);
}
return Collections.singleton(transform.getId());
}
第一步：解析OneInputTransformation的输入源（也是一个StreamTransformation，其实这是一个递归的过程，从最后一个StreamTransformation一直解析到第一个StreamTransformation），得到输入源的节点id。
Collection inputIds = transform(transform.getInput());
第二步：创建StreamNode，并添加到StreamGraph中。
streamGraph.addOperator(transform.getId(),
slotSharingGroup,
transform.getOperator(),
transform.getInputType(),
transform.getOutputType(),
transform.getName());
第三步：往StreamGraph中添加关联输入源和节点的边。
for (Integer inputId: inputIds) {
streamGraph.addEdge(inputId, transform.getId(), 0);
}
当遍历完所有的StreamTransformation，则相应的StreamGraph也已经生成。