### --- Flink的jar文件并不是Flink集群的可执行文件，需要经过转换之后提交给集群转换过程：

~~~     在Flink Client中，通过反射启动jar中的main函数，
~~~     生成Flink StreamGraph和JobGraph。将JobGraph提交给Flink集群。
~~~     Flink集群收到JobGraph后，将JobGraph翻译成ExecutionGraph，
~~~     然后开始调度执行，启动成功之后开始消费数据

### --- 总结：

~~~     Flink的核心执行流程就是，把用户的一系列API调用，
~~~     转化为StreamGraph -- JobGraph --ExecutionGraph -- 物理执行拓扑（Task DAG）

~~~     Flink提交作业的核心过程图
~~~     PipelineExecutor：流水线执行器：
~~~     是Flink Client生成JobGraph之后，将作业提交给集群运行的重要环节

~~~     Session模式：AbstractSessionClusterExecutor
~~~     Per-Job模式：AbstractJobClusterExecutor
~~~     IDE调试：LocalExecutor

### --- Session模式：

~~~     作业提交通过: yarn-session.sh脚本
~~~     在启动脚本的时候检查是否已经存在已经启动好的Flink-Session模式的集群，
~~~     然后在PipelineExecutor中，通过Dispatcher提供的Rest接口提交Flink JobGraph
~~~     Dispatcher为每一个作业提供一个JobMaser，进入到作业执行阶段
~~~     Per-Job模式：一个作业一个集群，作业之间相互隔离。
~~~     在PipelineExecutor执行作业提交的时候，
~~~     可以创建集群并将JobGraph以及所有需要的文件一起提交给Yarn集群，
~~~     在Yarn集群的容器中启动Flink Master（JobManager进程），
~~~     进行初始化后，从文件系统中获取JobGraph，交给Dispatcher，之后和Session流程相同。