Flink Kafka数据源读取分析

      Flink Table Api中kafka连接器，一个Kafka source表对应一个kafka topic，一个kafka topic一般有多个partition；Flink流处理作业的并行度一般大于1，一个source Task对应一个kafka consumer。Flink需要把 kafka 分区分配给各task。
       Flink的设计要点如下：
1）在JobMaster侧，Flink通过kafka API发现所有的分区，然后将分区分配给各source task。
2）JobMaster通过RPC消息给Source Task（在TaskExecutor上运行）发送对应的分区信息。
3）Source Task收到分区消息后，创建kafka consumer，消费对应分区的消息。

相关的源码如下：
1）根据Sql生成PlannerQueryOperation的时候，生成 KafkaSource对象
2）构建 JobGraph 的时候就生成一个 SourceCoordinatorProvider 对象
3）构建 ExecutionGraph 的时候生成 SourceCoordinator 对象。
3）JobMaster开始调度的时候， SourceCoordinator通过KafkaSource 创建 KafkaSourceEnumerator，  再通过 KafkaSourceEnumerator 发现kafka的分区，并分配分区给各Source task，这个处理逻辑参见    KafkaSourceEnumerator#addPartitionSplitChangeToPendingAssignments 方法。  

  private void addPartiti