3.1 环境对象
StreamExecutionEnvironment是Flink应用开发时的概念，表示流计算作业的执行环境，是作业开发的入口、数据源接口、生成和转换DataStream的接口、数据Sink的接口、作业配置接口、作业启动执行的入口。
Environment是运行时作业级别的概念，从StreamExecutionEnvironment中的配置信息衍生而来。进入到Flink作业执行的时刻，作业需要的是相关的配置信息，如作业的名称、并行度、作业编号Job ID、监控的Metric、容错的配置信息、IO等，用StreamExecutionRuntime对象就不合适了，很多API是不需要的，所以在Flink中抽象出了Environment作为运行时刻的上下文信息。
RuntimeContext是运行时Task实例级别的概念。Environment本身仍然是比较粗粒度作业级别的配置，对于每一个Task而言，其本身有更细节的配置信息，所以Flink又抽象了RuntimeContext，每一个Task实例有自己的RuntimeContext，RuntimeContext的信息实际上是StreamExecutionEnvironment中配置信息和算子级别信息的综合。
3种环境对象之间的关系如图3-1所示。
图3-1 3种环境对象的关系
对于开发者而言，StreamExecutionEnvironment在作业开发的Main函数中使用，RuntimeContext在UDF开发中使用，Environment则起到衔接StreamExecutionEnvironment和RuntimeContext的作用。
3.1.1 执行环境
执行环境是Flink作业开发、执行的入口，当前版本Flink的批流在API并没有统一，所以有流计算（StreamExecutionEnvironment）和批处理（ExecutionEnvironment）两套执行环境。在本书中，主要介绍流计算应用执行环境。
流计算执行环境体系如图3-2所示。
图3-2 StreamExcecutionEnvironment类体系
StreamExecutionEnvironment是Flink流计算应用的执行环境，是Flink作业开发和启动执行的入口，开发者对StreamExecutionEnvironment的实现是无感知的。
1. LocalStreamEnvironment
本地执行环境，在单个JVM中使用多线程模拟Flink集群。
一般用作本地开发、调试。使用Idea之类的IDE工具，可以比较方便地在代码中设置断点调试和单元测试。如果测试没有问题，就可以提交到真正的生产集群。
其基本的工作流程如下。
1）执行Flink作业的Main函数生成Streamgraph，转化为JobGraph。
2）设置任务运行的配置信息。
3）根据配置信息启动对应的LocalFlinkMiniCluster。
4）根据配置信息和miniCluster生成对应的MiniClusterClient。
5）通过MiniClusterClient提交JobGraph到MiniCluster。
2. RemoteStreamEnvironment
在大规模数据中心中部署的Flink生成集群的执行环境。
当将作业发布到Flink集群的时候，使用RemoteStreamEnvironment。
其基本的工作流程如下：
1）执行Flink作业的Main函数生成Streamgraph，转化为JobGraph。
2）设置任务运行的配置信息。
3）提交JobGraph到远程的Flink集群。
3. StreamContextEnvironment
在Cli命令行或者单元测试时候会被使用，执行步骤同上。
4. StreamPlanEnvironment
在Flink Web UI管理界面中可视化展现Job的时候，专门用来生成执行计划（实际上就是StreamGraph），如图3-3所示。
图3-3 Flink执行计划
5. ScalaShellStreamEnvironment
这是Scala Shell执行环境，可以在命令行中交互式开发Flink作业。
其基本工作流程如下。
1）校验部署模式，目前Scala Shell仅支持attached模式。
2）上传每个作业需要的Jar文件。
其余步骤与RemoteStreamEnvironment类似。
3.1.2 运行时环境
运行时环境在Flink中叫作Environment，是Flink运行时的概念，该接口定义了在运行时刻Task所需要的所有配置信息，包括在静态配置和调度器调度之后生成的动态配置信息。
Environment类体系如图3-4所示。
图3-4 Environment类体系
其有两个实现类RuntimeEnvironment和SavepointEnvironment。
1. RuntimeEnvironment
在Task开始执行时进行初始化，把Task运行相关的信息都封装到该对象中，其中不光包含了配置信息，运行时的各种服务也会被包装到其中，如代码清单3-1所示。
代码清单3-1 Task初始化RuntimeEnvironment
2. SavepointEnvironment
SavepointEnvironment是Environment的最小化实现，在状态处理器的API中使用。Flink1.9版本引入的状态处理器（State Processor）API真正改变了这一现状，实现了对应用程序状态的操作。该功能借助DataSet API扩展了输入和输出格式以读写保存点或检查点数据。由于DataSet和Table API的互通性，用户甚至可以使用关系表API或SQL查询来分析和处理状态数据。
3.1.3 运行时上下文
RuntimeContext是Function运行时的上下文，封装了Function运行时可能需要的所有信息，让Function在运行时能够获取到作业级别的信息，如并行度相关信息、Task名称、执行配置信息（ExecutionConfig）、State等。
Function的每个实例都有一个RuntimeContext对象，在RichFunction中通过getRunctionContext（）可以访问该对象。
RuntimeContext的类体系如图3-5所示。
不同的使用场景中有不同的RuntimeContext，具体如下。
1）StreamingRuntimeContext：在流计算UDF中使用的上下文，用来访问作业信息、状态等。
2）DistributedRuntimeUDFContext：由运行时UDF所在的批处理算子创建，在DataSet批处理中使用。
3）RuntimeUDFContext：在批处理应用的UDF中使用。
4）SavepointRuntimeContext：Flink1.9版本引入了一个很重要的状态处理API，这个框架支持对检查点和保存点进行操作，包括读取、变更、写入等。
图3-5 RuntimeContext类体系
5）CepRuntimeContext：CEP复杂事件处理中使用的上下文。
另外，在一些场景中不需要将RuntimeContext中的信息完全暴露，只需要其中某一部分信息，或者需要使用RuntimeContext之外的一些其他信息，这两种情况下，需要对RuntimeContext再进行一次封装。