JavaFlink原理、实战、源码分析（一）原理部分

JavaFlink原理、实战、源码分析（二）https://blog.csdn.net/qq_36250202/article/details/115668572

JavaFlink原理、实战、源码分析（三）https://blog.csdn.net/qq_36250202/article/details/115732840

第一章 Flink 简介

1.2 Flink 的重要特点 

1.2.1 事件驱动型(Event-driven)

1.2.2 流与批的世界观

1.2.3 分层 api

Flink 几大模块

第二章 快速上手

2.1 搭建 maven 工程 FlinkTutorial

pom文件依赖

2.2 批处理 wordcount

2.3 流处理 wordcount

第三章 Flink 部署

3.1 Standalone 模式

Job提交运行

linuxJob提交 

 3.2 Yarn 模式

3.2.1 Flink on Yarn

3.2.2 Session Cluster

其中：

3) 执行任务

4) 去 yarn 控制台查看任务状态 

5) 取消 yarn-session  

3.2.2 Per Job Cluster  

1) 启动 hadoop 集群

​ 第四章 Flink 运行架构

4.1 Flink 运行时的组件

⚫ 作业管理器（JobManager）

⚫ 任务管理器（TaskManager）

⚫ 分发器（Dispatcher）

4.2 任务提交流程

4.3 任务调度原理

思考：

并行度（Parallelism）

TaskManager 和 Slots

并行子任务的分配

4.3.2 程序与数据流（DataFlow）

4.3.3 执行图（ExecutionGraph）  

 4.3.4 并行度（Parallelism）

4.3.5 任务链（Operator Chains）

---

JavaFlink原理、实战、源码分析（二）https://blog.csdn.net/qq_36250202/article/details/115668572

JavaFlink原理、实战、源码分析（三）JavaFlink原理、实战、源码分析（三）原理部分_任错错的博客-CSDN博客

第一章 Flink 简介

Flink 项目的理念是：“ Apache Flink 是为分布式、高性能、随时可用以及准确的流处理应用程序打造的开源流处理框架 ”。

Apache Flink 是一个框架和分布式处理引擎，用于对 无界 和 有界 数据流进行有状态计算。Flink 被设计在所有常见的集群环境中运行，以内存执行速度和任意规模来执行计算。

1.2 Flink 的重要特点 

1.2.1 事件驱动型(Event-driven)

        事件驱动型应用是一类具有状态的应用，它从一个或多个事件流提取数据，并根据到来的事件触发计算、状态更新或其他外部动作。比较典型的就是以 kafka 为代表的消息队列几乎都是事件驱动型应用。

       与之不同的就是 SparkStreaming 微批次，如图：

Spark会根据用户提交的计算逻辑中的RDD的转换和动作来生成RDD之间的依赖关系，同时这个计算链也就生成了逻辑上的DAG,遇到宽依赖就划分为一个stage，遇到窄依赖则继续向前找（应用流水线优化，所有的窄依赖是一个Stage）直到把一个DAG划分为多个Stage。

事件驱动型：

1.2.2 流与批的世界观

批处理 的特点是有界、持久、大量，非常适合需要访问全套记录才能完成的计算工作，一般用于离线统计。

流处理 的特点是无界、实时 , 无需针对整个数据集执行操作，而是对通过系统传输的每个数据项执行操作，一般用于实时统计。

在 spark 的世界观中，一切都是由批次组成的，离线数据是一个大批次，而实时数据是由一个一个无限的小批次组成的。

而在 flink 的世界观中，一切都是由流组成的，离线数据是有界限的流，实时数据是一个没有界限的流，这就是所谓的有界流和无界流。

无界数据流 ：无界数据流有一个开始但是没有结束，它们不会在生成时终止并提供数据，必须连续处理无界流，也就是说必须在获取后立即处理 event 。对于无界数据流我们无法等待所有数据都到达，因为输入是无界的，并且在任何时间点都不会完成。处理无界数据通常要求以特定顺序（例如事件发生的顺序）获取 event ，以便能够推断结果完整性。

有界数据流 ：有界数据流有明确定义的开始和结束，可以在执行任何计算之前通过获取所有数据来处理有界流，处理有界流不需要有序获取，因为可以始终对有界数据集进行排序，有界流的处理也称为批处理。

1.2.3 分层 api

        最底层级的抽象仅仅提供了有状态流，它将通过过程函数（ Process Function ）被嵌入到 DataStream API 中。底层过程函数（ Process Function ） 与 DataStream API相集成，使其可以对某些特定的操作进行底层的抽象，它允许用户可以自由地处理 来自一个或多个数据流的事件，并使用一致的容错的状态。除此之外，用户可以注册事件时间并处理时间回调，从而使程序可以处理复杂的计算。

        实际上，大多数应用并不需要上述的底层抽象，而是针对核心 API （ Core APIs ）进行编程，比如 DataStream API （有界或无界流数据）以及 DataSet API （有界数据 集）。这些 API 为数据处理提供了通用的构建模块，比如由用户定义的多种形式的 转换（transformations ），连接（ joins ），聚合（ aggregations ），窗口操作（ windows ）等等。DataSet API 为有界数据集提供了额外的支持，例如循环与迭代。这些 API处理的数据类型以类（classes ）的形式由各自的编程语言所表示。

        Table API 是以表为中心的声明式编程，其中表可能会动态变化（在表达流数据时）。Table API 遵循（扩展的）关系模型：表有二维数据结构（ schema ）（类似于关系数据库中的表），同时 API 提供可比较的操作，例如 select 、 project 、 join 、 group-by 、aggregate 等。 Table API 程序声明式地定义了什么逻辑操作应该执行，而不是准确地确定这些操作代码的看上去如何。

         尽管 Table API 可以通过多种类型的用户自定义函数（ UDF ）进行扩展，其仍不如核心 API 更具表达能力，但是使用起来却更加简洁（代码量更少）。除此之外，Table API 程序在执行之前会经过内置优化器进行优化。

        你可以在表与 DataStream/DataSet 之间无缝切换，以允许程序将 Table API 与 DataStream 以及 DataSet 混合使用。

        Flink 提供的最高层级的抽象是 SQL 。这一层抽象在语法与表达能力上与 Table API 类似，但是是以 SQL 查询表达式的形式表现程序。 SQL 抽象与 Table API 交互密切，同时 SQL 查询可以直接在 Table API 定义的表上执行。目前 Flink 作为批处理还不是主流，不如 Spark 成熟，所以 DataSet 使用的并不是很多。Flink Table API 和 Flink SQL 也并不完善，大多都由各大厂商自己定制。所以我们主要学习 DataStream API 的使用。实际上 Flink 作为最接近 Google DataFlow 模型的实现，是流批统一的观点，所以基本上使用 DataStream 就可以了。

Flink 几大模块

⚫ Flink Table & SQL( 还没开发完 )

⚫ Flink Gelly( 图计算 )

⚫ Flink CEP( 复杂事件处理 )

第二章 快速上手

2.1 搭建 maven 工程 FlinkTutorial

pom文件依赖

    4.0.0

    com.guigu.wc
    FlinkTutorial
    1.0-SNAPSHOT

    
        
            org.apache.flink
            flink-java
            1.10.1
        
        
            org.apache.flink
            flink-streaming-java_2.11
            1.10.1
        
        
            org.apache.flink
            flink-connector-kafka-0.11_2.11
            1.10.1
        
    

2.2 批处理 wordcount

public class WordCount {

    public static void main(String[] args) throws Exception {
        ExecutionEnvironment env =ExecutionEnvironment.getExecutionEnvironment();

        // 从文件中读取数据
        String inputPath = "D:\\javaFlink\\src\\main\\resources\\hello.txt";
        DataSet inputDataSet = env.readTextFile(inputPath);
         // 对数据集进行处理，按空格分词展开，转换成(word, 1)二元组进行统计
        DataSet> wordCountDataSet= 
                                    inputDataSet.flatMap(new MyFlatMapper())
                .groupBy(0)    // 按照第一个位置的word分组
                .sum(1);    // 将第二个位置上的数据求和
        wordCountDataSet.print();
        
    }

}

hello.txt

hello world
hello flink
hello spark
hello scala
how are you
fine thank you
and you

自定义类，实现FlatMapFunction接口

    public class MyFlatMapper implements FlatMapFunction> {
        @Override
        public void flatMap(String value, Collector> out) throws Exception {
            // 按空格分词
            String[] words = value.split(" ");
            // 遍历所有word，包成二元组输出
            for (String word : words) {
                out.collect(new Tuple2<>(word, 1));
            }
        }
    }

控制台打印

(scala,1)
(you,3)
(flink,1)
(world,1)
(hello,4)
(and,1)
(are,1)
(thank,1)
(fine,1)
(how,1)
(spark,1)

2.3 流处理 wordcount

public class StreamWordCount {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env =
                StreamExecutionEnvironment.getExecutionEnvironment();

        DataStream inputDataStream = env.socketTextStream("locahost", 7777);
        DataStream> wordCountDataStream = inputDataStream
                .flatMap( new MyFlatMapper())
                .keyBy(0)
                .sum(1);
        wordCountDataStream.print().setParallelism(2);
        env.execute();
    }

}

在linux系统用netcat命令

运行程序控制台打印结果

第三章 Flink 部署

3.1 Standalone 模式

3.1.1 安装

解压缩 flink-1.10.1-bin-scala_2.12.tgz ，进入 conf 目录中。

1 ）修改 flink/conf/flink-conf.yaml 文件：

jobmanager.rpc.address: hadoop01

2 ）修改 /conf/slaves 文件：

hadoop02
hadoop03

3 ）分发给另外两台机子：

4 ）启动：

访问 http://localhost:8081 可以对 flink 集群和任务进行监控管理。

Job提交运行

 1.打包代码

 2.提交Job

 并行度优先级：代码设置>job页面设置>集群配置设置

提示：因为socket的IP与端口是在代码中写死的：1.不需要在job页面传参，2.要先起启动nc -lk 7777（不然job启动后会报错）

运行结果

发送数据

控制台打印

linuxJob提交 

linux集群上查看Job任务

命令停止Job

 3.2 Yarn 模式

            以 Yarn 模式部署 Flink 任务时，要求 Flink 是有 Hadoop 支持的版本， Hadoop环境需要保证版本在 2.2 以上，并且集群中安装有 HDFS 服务。

3.2.1 Flink on Yarn

           Flink 提供了两种在 yarn 上运行的模式，分别为 Session-Cluster 和 Per-Job-Cluster 模式。

1) Session-cluster 模式：

       Session-Cluster 模式需要先启动集群，然后再提交作业，接着会向 yarn 申请一块空间后，资源永远保持不变。如果资源满了，下一个作业就无法提交，只能等到yarn 中的其中一个作业执行完成后，释放了资源，下个作业才会正常提交。所有作业共享 Dispatcher 和 ResourceManager ；共享资源；适合规模小执行时间短的作业。

       在 yarn 中初始化一个 flink 集群，开辟指定的资源，以后提交任务都向这里提交。这个 flink 集群会常驻在 yarn 集群中，除非手工停止。

2) Per-Job-Cluster 模式：

• 一个 Job 会对应一个集群，每提交一个作业会根据自身的情况，都会单独向 yarn申请资源，直到作业执行完成，一个作业的失败与否并不会影响下一个作业的正常提交和运行。独享 Dispatcher 和 ResourceManager，按需接受资源申请；适合规模大长时间运行的作业。
• 每次提交都会创建一个新的 flink 集群，任务之间互相独立，互不影响，方便管理。任务执行完成之后创建的集群也会消失。

3.2.2 Session Cluster

1) 启动 hadoop 集群

集群搭建与启动请参考：大数据框架搭建集群安装配置步骤大全_任错错的博客-CSDN博客_大数据框架搭建

 2) 启动 yarn-session

./yarn-session.sh -n 2 -s 2 -jm 1024 -tm 1024 -nm test -d

其中：

-n(--container) ： TaskManager 的数量。( 这个目前已经不起作用了，不需要指定TaskManager )

-s(--slots) ： 每个 TaskManager 的 slot 数量，默认一个 slot 一个 core ，默认每个

taskmanager 的 slot 的个数为 1 ，有时可以多一些 taskmanager ，做冗余。

-jm ： JobManager 的内存（单位 MB) 。

-tm ：每个 taskmanager 的内存（单位 MB) 。

-nm ： yarn 的 appName( 现在 yarn 的 ui 上的名字 ) 。

-d ：后台执行。

3) 执行任务

./flink run -c /home/project/com.atguigu.wc.StreamWordCount 
FlinkTutorial-1.0-SNAPSHOT-jar

4) 去 yarn 控制台查看任务状态 

5) 取消 yarn-session  

yarn application --kill application_1615456690948_0001

3.2.2 Per Job Cluster  

1) 启动 hadoop 集群

集群搭建与启动请参考：大数据框架搭建集群安装配置步骤大全_任错错的博客-CSDN博客_大数据框架搭建

2) 不启动 yarn-session ，直接执行 job

./flink run -m yarn-cluster -c com.guigu.wc.StreamWordCount /home/project/FlinkTutorial-1.0-SNAPSHOT.jar 

启动遇到的错误：

1. The main method caused an error: Could not deploy Yarn job cluster.

System times on machines may be out of sync. Check system time and time zones. 

集群环境时间不同步造成的

2.java.lang.InterruptedException

nc没有启动造成的

 第四章 Flink 运行架构

4.1 Flink 运行时的组件

 Flink 运行时架构主要包括四个不同的组件，它们会在运行流处理应用程序时协同工作：

        作业管理器（ JobManager ）、资源管理器（ ResourceManager ）、任务管理器（ TaskManager ）， 以及分发器（Dispatcher ）。因为 Flink 是用 Java 和 Scala 实现的，所以所有组件都会运行在Java 虚拟机上。每个组件的职责如下：

⚫ 作业管理器（JobManager）

• 控制一个应用程序执行的主进程，也就是说，每个应用程序都会被一个不同的JobManager 所控制执行。

• JobManager 会先接收到要执行的应用程序，这个应用程序会包括：作业图（JobGraph）、逻辑数据流图（logical dataflow graph）和打包了所有的类、 库和其它资源的JAR包。

• JobManager 会把JobGraph转换成一个物理层面的数据流图，这个图被叫做“执行图”（ExecutionGraph），包含了所有可以并发执行的任务。

• JobManager 会向资源管理器（ResourceManager）请求执行任务必要的资源，也就是任务管理器（TaskManager）上的插槽（slot）。一旦它获取到了足够的 资源，就会将执行图分发到真正运行它们的TaskManager上。而在运行过程中，JobManager会负责所有需要中央协调的操作，比如说检查点（checkpoints）的协调。

⚫ 任务管理器（TaskManager）

Flink中的工作进程。通常在Flink中会有多个TaskManager运行，每一 个TaskManager都包含了一定数量的插槽（slots）。插槽的数量限制了TaskManager能够执行的任务数量。

• 启动之后，TaskManager会向资源管理器注册它的插槽；收到资源管理器的指令后，TaskManager就会将一个或者多个插槽提供给JobManager调用。JobManager就可以向插槽分配任务（tasks）来执行了。

• 在执行过程中，一个TaskManager可以跟其它运行同一应用程序的TaskManager交换数据。

• 主要负责管理任务管理器（TaskManager）的插槽（slot），TaskManger 插槽是Flink中定义的处理资源单元。

• Flink为不同的环境和资源管理工具提供了不同资源管理器，比如YARN、Mesos、K8s，以及standalone部署。

• 当JobManager申请插槽资源时，ResourceManager会将有空闲插槽的TaskManager分配给JobManager。如果ResourceManager没有足够的插槽来满足JobManager的请求，它还可以向资源提供平台发起会话，以提供启动TaskManager进程的容器。

⚫ 分发器（Dispatcher）

• 可以跨作业运行，它为应用提交提供了REST接口。

• 当一个应用被提交执行时，分发器就会启动并将应用移交给一个JobManager。

• Dispatcher也会启动一个Web UI，用来方便地展示和监控作业执行的信息。

• Dispatcher在架构中可能并不是必需的，这取决于应用提交运行的方式。

4.2 任务提交流程

我们来看看当一个应用提交执行时， Flink 的各个组件是如何交互协作的：

       上图是从一个较为高层级的视角，来看应用中各组件的交互协作。如果部署的集群环境不同（例如 YARN ， Mesos ， Kubernetes ， standalone 等），其中一些步骤可以被省略，或是

有些组件会运行在同一个 JVM 进程中。

 具体地，如果我们将 Flink 集群部署到 YARN 上，那么就会有如下的提交流程：

• Flink 任务提交后，Client 向 HDFS 上传 Flink 的 Jar 包和配置。
• 之后向 Yarn ResourceManager 提交任务，ResourceManager 分配 Container 资源并通知对应的 NodeManager 启动 ApplicationMaster，ApplicationMaster 启动后加载 Flink 的 Jar 包和配置构建环境，然后启动 JobManager，之后 ApplicationMaster 向 ResourceManager申请资源启动 TaskManager ， ResourceManager 分 配 Container 资 源 后 ， 由 ApplicationMaster 通 知 资 源 所 在 节 点 的 NodeManager 启 动 TaskManager ，NodeManager 加载 Flink 的 Jar 包和配置构建环境并启动 TaskManager，TaskManager启动后向 JobManager 发送心跳包，并等待 JobManager 向其分配任务。

4.3 任务调度原理

• 客户端不是运行时和程序执行 的一部分，但它用于准备并发送dataflow(JobGraph)给 Master(JobManager)，然后，客户端断开连接或者维持连接以等待接收计算结果。
• 当 Flink 集 群 启 动 后 ， 首 先 会 启 动 一 个 JobManger 和一个或多个的TaskManager。由 Client 提交任务给 JobManager，JobManager 再调度任务到各个TaskManager 去执行，然后 TaskManager 将心跳和统计信息汇报给 JobManager。TaskManager 之间以流的形式进行数据的传输。上述三者均为独立的 JVM 进程。
• Client 为提交 Job 的客户端，可以是运行在任何机器上（与 JobManager 环境连通即可）。提交 Job 后，Client 可以结束进程（Streaming 的任务），也可以不 结束并等待结果返回。
• JobManager 主 要 负 责 调 度 Job 并 协 调 Task 做 checkpoint， 职 责 上 很 像 Storm 的 Nimbus。从 Client 处接收到 Job 和 JAR 包等资源后，会生成优化后的 执行计划，并以 Task 的单元调度到各个 TaskManager 去执行。
• TaskManager 在启动的时候就设置好了槽位数（Slot），每个 slot 能启动一个 Task，Task 为线程。从 JobManager 处接收需要部署的 Task，部署启动后，与自 己的上游建立 Netty 连接，接收数据并处理。

思考：

• 怎样实现并行计算？

分布式集群框架，把task任务分配到不同的计算资源slot上，多线程处理。

• 并行的任务，需要占用多少slot？

• 一个流处理程序，到底包含多少个任务？

并行度（Parallelism）

• 一个特定算子的 子任务（subtask）的个数被称之为其并行度（parallelism）例如：map的子任务数为：2。

一般情况下，一个 stream 的并行度，可以认为就是其所有算子中最大的并行度例如：最大子任务数为：2。

TaskManager 和 Slots

• Flink 中每一个 worker(TaskManager)都是一个 JVM 进程，它可能会在独立的线程上执行一个或多个 subtask。
• 为了控制一个 worker 能接收多少个 task，worker 通过 task slot 来进行控制（一个 worker 至少有一个 task slot）。
• 每个 task slot 表示 TaskManager 拥有资源的一个固定大小的子集。假如一个TaskManager 有三个 slot，那么它会将其管理的内存分成三份给各个 slot。资源 slot化意味着一个 subtask 将不需要跟来自其他 job 的 subtask 竞争被管理的内存，取而代之的是它将拥有一定数量的内存储备。需要注意的是，这里不会涉及到 CPU 的隔离，slot 目前仅仅用来隔离 task 的受管理的内存。
• 通过调整 task slot 的数量，允许用户定义 subtask 之间如何互相隔离。如果一个 TaskManager 一个 slot，那将意味着每个 task group 运行在独立的 JVM 中（该 JVM可能是通过一个特定的容器启动的），而一个 TaskManager 多个 slot 意味着更多的subtask 可以共享同一个 JVM。而在同一个 JVM 进程中的 task 将共享 TCP 连接（基于多路复用）和心跳消息。它们也可能共享数据集和数据结构，因此这减少了每个task 的负载。

如果是5个子任务用五个slot，当数据量很大的时候，就会出现有的任务资源浪费与有的任务资源紧张 ，并且容易出现数据堆积问题。俗话讲就是：忙的忙死，闲的闲死，因为有的子任务没有复杂的计算只是简单的处理一下数据格式。

 

•  默认情况下，Flink 允许子任务共享 slot，即使它们是不同任务的子任务。 这样的结果是，一个 slot 可以保存作业的整个管道（具体的完整的stream处理过程，如果其他的TaskManager挂掉了，job任务依然可以执行，只是并行度降低了，能够很好的保证运行的健壮性及运行的效率都会提升）。

    （注意：提前必须是前后发生不同的子任务，并行的子任务必须分开，不然提现不到并行度的作用）

• Task Slot 是静态的概念，是指 TaskManager 具有的并发执行能力可以通过参数 taskmanager.numberOfTaskSlots 进行配置；而并行度 parallelism 是动态概念即 TaskManager 运行程序时实际使用的并发能力，可以通过参数 parallelism.default进行配置。
• 也就是说，假设一共有 3 个 TaskManager，每一个 TaskManager 中的分配 3 个 TaskSlot，也就是每个 TaskManager 可以接收 3 个 task，一共 9 个 TaskSlot，如果我 们设置 parallelism.default=1，即运行程序默认的并行度为 1，9 个 TaskSlot 只用了 1个，有 8 个空闲，因此，设置合适的并行度才能提高效率

并行子任务的分配

4.3.2 程序与数据流（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，但有时候，一个 transformation 可能对应多个 operator。

4.3.3 执行图（ExecutionGraph）  

• Flink 中的执行图可以分成四层：StreamGraph -> JobGraph -> ExecutionGraph -> 物理执行图

➢ 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。

➢ 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

➢ 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。

➢ 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。

 4.3.4 并行度（Parallelism）

• Flink 程序的执行具有并行、分布式的特性。
• 在执行过程中，一个流（stream）包含一个或多个分区（stream partition），而每一个算子（operator）可以包含一个或多个子任务（operator subtask），这些子任务在不同的线程、不同的物理机或不同的容器中彼此互不依赖地执行。
• 一个特定算子的子任务（subtask）的个数被称之为其并行度（parallelism）。 一般情况下，一个流程序的并行度，可以认为就是其所有算子中最大的并行度。一个程序中，不同的算子可能具有不同的并行度。

• Stream 在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。
• One-to-one：stream(比如在 source 和 map operator 之间)维护着分区以及元素的顺序。那意味着 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。

➢ 类似于 spark 中的 窄依赖

• Redistributing：stream(map()跟 keyBy/window 之间或者 keyBy/window 跟 sink之间)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、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。

➢ 类似于 spark 中的 宽依赖

4.3.5 任务链（Operator Chains）

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一部分。将算子链接成 task 是非常有效的优化：它能减少线程之间的切换和基于缓存区的数据交换，在减少时延的同时提升吞吐量。链接的行为可以在编程 API 中进行指定。