在Flink应用执行过程中会涉及到3个主要的执行环境变量，分别为StreamExecutionEnvironment、Environment、RuntimeContext。它们的作用层次、作用时机、作用范围各不相同。3种环境对象的关系如下图:

 下面分别介绍3种环境对象的细节信息。

一、StreamExecutionEnvironment解析

StreamExecutionEnvironment是Flink应用开发时的概念，表示流计算作业的执行环境。它是应用开发配置、属性设置的起点，数据源生成的接口，作业开始执行的入口、并负责创建不同类型的执行环境。下面对这四个方面展示源码的实现逻辑。

1、开发配置及属性设置

(1).当前StreamExecutionEnvironment配置对象并未统一，config负责环境的执行配置，checkpointCfg配置负责控制checkpointing行为，长期来看DataStream相关的api配置会统一添加至configuration配置变量中。

(2).transformations集合负责存储DataStream api转化而来的transformation。类似map、flatmap、filter等api入参Funtion变量会设置到AbstractUdfStreamOperator算子类的userFunction变量中，进而转化生成一个个Transformation并添加到transformations集合中。后续随笔会着重讲解api转化为Transformation过程。

(3).bufferTimeout代表输出buffer的刷新时间。

(4).isChainingEnabled代表合成算子链开关。上下游有条件chaining的算子合成算子链后会优化程序的执行性能。

(5).defaultStateBackend状态后端变量，和状态保存有关。

(6).timeCharacteristic流计算应用的时间语义。

(7).slotSharingGroupResources槽位共享组的资源概况。

2、数据源生成接口

(1).从内存中读取数据

public DataStreamSource<Long> fromSequence(long from, long to);
public final <OUT> DataStreamSource<OUT> fromElements(OUT... data);
public final <OUT> DataStreamSource<OUT> fromElements(Class<OUT> type, OUT... data);
public <OUT> DataStreamSource<OUT> fromCollection(Collection<OUT> data);
public <OUT> DataStreamSource<OUT> fromCollection(Collection<OUT> data, TypeInformation<OUT> typeInfo);
public <OUT> DataStreamSource<OUT> fromCollection(Iterator<OUT> data, Class<OUT> type);
public <OUT> DataStreamSource<OUT> fromCollection(Iterator<OUT> data, TypeInformation<OUT> typeInfo);
public <OUT> DataStreamSource<OUT> fromParallelCollection(SplittableIterator<OUT> iterator, Class<OUT> type);
public <OUT> DataStreamSource<OUT> fromParallelCollection(SplittableIterator<OUT> iterator, TypeInformation<OUT> typeInfo);

(2).从文件读取数据

当前readFile()文件读取api已是deprecated状态，推荐尝试FileSource文件数据源类的forRecordStreamFormat()、forBulkFileFormat()、forRecordFileFormat()方法。

(3).从socket读取数据

public DataStreamSource<String> socketTextStream(String hostname, int port, String delimiter, long maxRetry);

入参分别代表主机名、端口号、数据分隔符、最大重试次数

(4).自定义读取数据

private <OUT> DataStreamSource<OUT> createInput(InputFormat<OUT, ?> inputFormat, TypeInformation<OUT> typeInfo, String sourceName);

private <OUT> DataStreamSource<OUT> createFileInput(inputFormat,typeInfo,sourceName,monitoringMode,interval);

private <OUT> DataStreamSource<OUT> addSource(function,sourceName,typeInfo,boundedness);

public <OUT> DataStreamSource<OUT> fromSource(source,timestampsAndWatermarks,sourceName,typeInfo);

其中fromSource方法适配flink新数据源架构的使用方法。

3、执行入口

public JobExecutionResult execute();

execute方法是流计算应用的执行入口，业务逻辑编写完成后调用execute方法才会触发程序的执行。该方法在应用提交阶段时主要负责创建StreamGraph、JobGraph、ExecutionGraph等数据结构，最后经过Flink的调度组件在集群中启动计算任务。Graph的转换过程是DataStream api转换为Transformation，进而经过StreamGraph->JobGraph->ExecutionGraph及调度执行计算Task等。后续随笔会详细讲解各个环节的转换细节。

4、不同类型执行环境

getExecutionEnvironment();
createLocalEnvironment();
createLocalEnvironmentWithWebUI();
createRemoteEnvironment();

以上方法主要创建StreamExecutionEnvironment、LocalStreamEnvironment、RemoteStreamEnvironment、StreamContextEnvironment、StreamPlanEnvironment等不同类型的执行环境。

基本工作流程如下:执行Flink作业Main方法生成StreamGraph、JobGraph，设置任务配置信息、提交JobGraph到Flink集群开始调度执行。

二、Environment解析

Environment代表Flink运行时环境，该接口定义了运行时刻Task的配置信息。主要实现类有RuntimeEnvironment和SavepointEnvironment。

//Task.java

doRun(){...}

 包含Task执行需要的核心组件MemoryManager、IOManager、BroadcastVariableManager、TaskStateManager、InputSplitProvider、TaskEventDispatcher等。

三、RuntimeContext解析

RuntimeContext是Function运行时上下文，封装了Function运行时需要的所有信息，如并行度信息、Task名称、ExecutionConfig、State等。在RichFunction中通过getRuntimeContext()方法可以获取该对象，进而执行状态操作等行为。其主要的实现类有StreamingRuntimeContext、SavepointRuntimeContext等。