Flink作业提交流程

1. 基于上述结构，当用户向Flink提交作业时，提交脚本会启动一个Client进程对用户提交的jar进行编译和解析生成JobGraph。其中会有一些优化的过程，比如会将一些Operator Chain到同一个Task中。最后将JobGraph提交到Dispatcher。
2. 将JobGraph提交到DisPatcher，即提交到集群中存在两种不同的情况需要分开解释。如果是pro-job的模式（Yran，MESOS），AM不会预先启动，Client会向资源管理系统（Yarn，Mesos）申请资源来启动AM，然后再向AM中的Dispatcher提交JobGraph。如果是Session模式（Standlone），AM会预先启动，Cluster直接与Dispatcher建立连接即可。
3. JobGraph已经提交到了Dispatcher后，Dispatcher会首先启动一个JobManager组件，然后JobManger会向ResourceManager申请资源来执行作业中具体的任务。在这中间，又对pro-job模式和session模式有所区分。pro-job模式下，ResourceManager需要等待外部资源管理系统（Yarn，Mesos）分配资源，然后在Taskmanager启动TaskExecutor，等待TaskExecutor注册相应资源后再分配。Session模式下，TaskExecutor已经启动好了，只要获取空闲的资源，提交Task即可。
4. ResourceManager注册了TaskExecutor，JobManager将JobGraph解析得到ExectionGraph，最后解析为物理执行计划。JobManager根据具体的Task向ResourceManger申请Slot，获取到slot后，将task发送到TaskExecutor上的slot上执行。

Slot管理

• SlotManager：管理着集群中所有slot的信息。TaskManager启动后，会向ResourceManager注册，slotManager会保存其slot的个数和资源信息。SlotManager在分配资源时，会挑选合适的slot，并向指定TaskManger发送Request信息，改TaskManager接着会将该slot提供给相应请求slot的JobManager。
• SlotPool：保存Jobmanger中使用的slot信息。