下面是我把 示例代码 打印StreamGraph结果整理出来一个静态架构。可以看出代码中的转换被翻译成了如下执行Unit（在下面图中，其执行序列是由上而下）。
* +-----> Data Source(ID = 1) [ Source Socket Stream ] * | // env.socketTextStream(hostname, port) 方法中生成了一个 Data Source * | * +-----> Operator(ID = 2) [ Filter ] * | * | * +-----> Operator(ID = 3) [ Map ] * | * | * +-----> Operator(ID = 4) [ Timestamps/Watermarks ] * | * | * +-----> Operator(ID = 6) [ Window(SumAggregator) ] * | // 多个Operator被构建成 Operator Chain * | * | * +-----> Data Sink(ID = 7) [ Sink : Print to Std. Out ] * // counts.print() 是在数据流最后添加了个 Data Sink，用于承接统计结果示例代码中，Flink生成StreamGraph的大致处理流程是：
首先处理的Source，生成了Source的StreamNode。
处理Filter，生成了Filter的StreamNode，并生成StreamEdge连接上游Source和Filter。
处理Map，生成了Map的StreamNode，并生成StreamEdge连接上游Filter和Map。
处理assignTimestampsAndWatermarks，生成了Timestamps/Watermarks的StreamNode，并生成StreamEdge连接上游Map和Timestamps/Watermarks。
处理keyBy/timeWindow/sum，生成了Window的StreamNode 以及 Operator Chain，并生成StreamEdge连接上游Timestamps/Watermarks和Window。
最后处理Sink，创建Sink的StreamNode，并生成StreamEdge与上游Window相连。
0x05. 执行模块生命周期这里主要核心类是：
Function：用户通过继承该接口的不同子类来实现用户自己的数据处理逻辑。如子类SocketTextStreamFunction实现从指定hostname和port来接收数据，并转发字符串的逻辑；
Task: 是Flink中执行的基本单位，代表一个 TaskManager 中所起的并行子任务，执行封装的 flink 算子并运行，提供以下服务：消费输入data、生产 IntermediateResultPartition [ flink关于中间结果的抽象 ]、与 JobManager 交互。
StreamTask : 是本地执行的基本单位，由TaskManagers部署执行。包含了多个StreamOperator，封装了算子的处理逻辑。
StreamOperator：DataStream 上的每一个 Transformation 都对应了一个 StreamOperator，StreamOperator是运行时的具体实现，会决定UDF(User-Defined Funtion)的调用方式。
StreamSource 是StreamOperator接口的一个具体实现类，其构造函数入参就是SourceFunction的子类，这里就是SocketTextStreamFunction的实例。
Task 是直接受 TaskManager 管理和调度的，而 Task 又会调用 StreamTask(主要是其各种子类)，StreamTask 中封装了算子(StreamOperator)的处理逻辑。StreamSource是用来开启整个流的算子。我们接下来就说说动态逻辑。
我们的示例代码中，所有程序逻辑都是运行在StreamTask(主要是其各种子类)中，filter/map对应了StreamOperator；assignTimestampsAndWatermarks用来生成Watermarks，传递给下游的.keyBy.timeWindow(WindowOperator)。而keyBy/timeWindow/sum又被构建成OperatorChain。所以我们下面就逐一讲解这些概念。
1. TaskTask，它是在线程中执行的Runable对象，每个Task都是由一组Operators Chaining在一起的工作集合，Flink Job的执行过程可看作一张DAG图，Task是DAG图上的顶点（Vertex），顶点之间通过数据传递方式相互链接构成整个Job的Execution Graph。
Task 是直接受 TaskManager 管理和调度的，Flink最后通过RPC方法提交task，实际会调用到TaskExecutor.submitTask方法中。这个方法会创建真正的Task，然后调用task.startTaskThread();开始task的执行。而startTaskThread方法，则会执行executingThread.start，从而调用Task.run方法。
它的最核心的代码如下：