本文是參考官方文檔結合自己的理解寫的，所引用文獻均已指明來源，若侵權請留言告知，我會立馬刪除。此外，若是表達欠妥的地方，歡迎大伙留言指出。
前言
在上一篇博客Flink原理（二） ——資源一文中已簡要說了在Flink集群中資源的分配情況，這篇博客嘗試從定義算子之后，任務是如何分配的，以及任務是如何使用資源的。
一、Task和Operator Chains
Flink會在生成JobGraph階段，將代碼中可以優化的算子優化成一個算子鏈（Operator Chains）以放到一個task（一個線程）中執行，以減少線程之間的切換和緩沖的開銷，提高整體的吞吐量和延遲。下面以官網中的例子進行說明，如下圖1所示：
圖中，source、map、[keyBy|window|apply]、sink算子的並行度分別是2、2、2、2、1，經過Flink優化后，source和map算子組成一個算子鏈，作為一個task運行在一個線程上，其簡圖如圖中condensed view所示，並行圖如parallelized view所示。算子之間是否可以組成一個Operator Chains，看是否滿足以下條件：
- 上下游算子的並行度一致
- 下游節點的入度為1
- 上下游節點都在同一個 slot group 中
- 下游節點的 chain 策略為 ALWAYS（可以與上下游鏈接，map、flatmap、filter等默認是ALWAYS）
- 上游節點的 chain 策略為 ALWAYS 或 HEAD（只能與下游鏈接，不能與上游鏈接，Source默認是HEAD）
- 兩個節點間數據分區方式是 forward
- 用戶沒有禁用 chain（代碼中是否配置disableChain()）
二、Task slot和resource
結合之前資源一文，我們可以得知上文中的任務在Flink集群中的分布應如下圖2所示：
圖中，有兩個節點（TaskManage，即兩個進程），每個節點中有3個slot，每一個task（一個Thread）均跑在一個slot中。
但實際上，Flink在默認情況下，只要子任務是來自同一個Job，是允許子任務（subtask，就是類似source/map、window等）共享一個slot的，即使是不同任務的子任務也是可以共享一個slot。這樣有兩個好處：
1) 一個Job的最高並行度就是Flink集群中slot的個數，這樣我們就不需要計算一個程序可以包含多個task；
2） 可以獲得更好的資源利用率。若沒有slot共享，像source/map這種不是非常耗資源的算子（官網上是說非資源密集型、non-intensive）就和window這種非常耗資源的算子占用相同多的資源（一個slot），如圖2所示；若允許slot共享，則圖2中集群最大的並行度可為6，如下圖3所示：
在可以共享slot的情況下，較耗資源的subtask就可以比較均勻的分布在Flink集群中的taskManager上。什么意思了？如圖3，類似window的算子均勻的分布在每個slot中，而圖2中，僅在兩個slot中。從圖3中我們也可以看出一個slot中可以運行多個Thread。