一、作業（Job）和排程（Scheduling）

1.排程（Scheduling）

1.Flink叢集一般有一個或多個TaskManager，每個TaskManager有一個或多個slot來區分不同的資源（當前是記憶體）
2.每個slot都可以執行整個pipeline，這些pipeline中的並行任務都可以並行的執行在各個slot之中
3.可通過SlotSharingGroup和CoLocationGroup來定義任務在共享任務槽的行為，可定義為自由共享，
  或是嚴格定義某些任務部署到同一個任務槽中。

1.本例中有2個TaskManager，每個TaskManager劃分了3
 
個slot，一共6個slot。
2.本例是一個source-map-reduce的pipeline例子，source並行度為4，map並行度為4，reduce並行度為3.最大並行度為4.
3.圖中可見TaskManager1使用2個slot,分別執行藍，黃2個subtask的pipeline。
4.圖中可見TaskManager2使用2個slot,分別執行紅，橙2個subtask的pipeline。

2.JobManager資料結構（JobManager Data Structures）

1.client將program解析成dataflow,並將dataflow的描述資訊JobGraph提交給JobManager。
JobGraph包含Operator(JobVertex)
 
,IntermediateResult(IntermediateDataSet),並行度,執行程式碼,附加的庫等資訊。

2.JobManager將JobGraph並行化處理成ExecutionGraph。
Operator（JobVertex）處理成包含多個Subtask(ExecutionVertex)的ExecutionJobVertex。
IntermediateResult(IntermediateDataSet)並行化成含多個IntermediateResultPartition的IntermediateResult.
也就是
任務並行化： JobVertex->ExecutionJobVertex(含多個ExecutionVertex)
 

資料並行化： IntermediateResult->IntermediateResult(含多個IntermediateResultPartition)