Flink的Job启动Driver端(源码分析)

Posted 2022-09-02 ljygz

整个Flink的Job启动是通过在Driver端通过用户的Envirement的execute()方法将用户的算子转化成StreamGraph

然后得到JobGraph通过远程RPC将这个JobGraph提交到JobManager对应的接口

JobManager转化成executionGraph.deploy()，然后生成TDD发给TaskManager，然后整个Job就启动起来了

这里来看一下Driver端的实现从用户的Envirement.execute()方法作为入口

这里的Envirement分为

RemoteStreamEnvironment

LocalStreamEnvironment

因为local模式比较简单这里就不展开了，主要是看下RemoteStreamEnvironment的execute方法

可以看到这里先获取到了streamGraph,具体获取的实现

这里传入了一个transformations其中就包含了我们用户的所有operator

这个地方就是遍历了用户端所有的operator生成StreamGraph,遍历的每一个算子具体转化成streamGraph的逻辑

1处会递归遍历input直到input已经transfor，然后拿到了上游的ids

然后将operator加入到了streamGraph中调用addNode()方法将operator作为一个node，包含了一些信息，上下游的类型，并行度，soltGroup

最后遍历上游的ids，创建边添加到streamGraph

到这里streamGraph就创建完成了

回到最开始的地方，创建完streamGraph以后，会将streamGraph传入executeRemotely(streamGraph, jarFiles)这个方法，这里就是streamGraph转化成jobgraph的逻辑

其中创建了一个RestClusterClient

可以看到这里，通过getJobGraph方法将streamGraph转换成了jobgraph

然后就submitJob将这个JobGraph提交Jobmanager了

先看一下streamGraph如何转化成jobgraph的

通过getJobGraph方法然后

这个createJobGraph方法是主要的转化逻辑

广度优先遍历为所有streamGraph的node 即operator生成hash散列值，为什么要生成这个operator的hash？

因为这个hash需要作为每一个operator的唯一标示，标示每一个operator用于cp的恢复，当用户代码没有修改时，这个hash值是不会改变的

接下来

这里会将flink中上下游的operator操作根据是否满足chain条件链在一起，在createChian中

这个isChainable()方法就是是否可以chain的判断条件

1.下游的输入边只有一条

2.下游操作operator不为空

3.上游操作operator不为空

4.上游必须有相同的solt组

5.下游chain策略为always

6.上游chain策略为head或上游chain策略为always

7.forwardpartition的边

8.上下游并行度相同

9.用户代码设置的operator是否可以chian

 

将可以chain的streamnode 链在一起以后就可以创建成为jobGraph的jobVertex了

然后通过RestClusterClient会将这个jobGraph往jobmanager的Dispatcher对应的RPC接口上面发送

整个job的启动Driver端的任务就结束了

 

总结：

　　在Driver端用户的算子会被创建成为streamGraph,其中包含了一些边，角，上下游类型，并行度等一些信息

　　然后将streamGraph通过一些chain条件将可以chain的顶点chain在了一起转化成了JobGraph

　　streamEdge变成了jobEdge,chain在一起的streamnode变成了jobVertex

　　最后然后通过RPC将整个jobGraph向jobmanager提交。