2.4 MetricQueryServiceGateway
从上一步，可以知道调用了MetricQueryServiceGateway的queryMetrics接口，具体的实现MetricQueryService类的queryMetrics 方法，代码如下：
@Override public CompletableFuture<MetricDumpSerialization.MetricSerializationResult> queryMetrics( Time timeout) { return callAsync( () -> enforceSizeLimit(serializer.serialize(counters, gauges, histograms, meters)), timeout); }
再看看callAsync方法：
可以得知，本质就是使用了rpcServer去远程调用了接口获取指标了（具体调用了哪里呢？）。
我们看看RpcEndpoint这个类。
2.5 RpcEndpoint
我们看看RpcEndpoint这个类的方法结构：
从这些方法名，我们可以知道，它类似于一个HTTP服务器，从而我们也可以知道，原来Flink的Web页面访问的服务器就是这个了。在看看其构造方法：
看看里面是怎么开启服务的：
可以知道，是调用了AkkaRpcService的startServer方法去开启了服务。
好了，这里暂时该停止了，因为偏离了本文的中心，我们需要知道的是这些指标具体从哪里来的？那该如何进行下一步呢？
我们再回到2.4里面的MetricQueryService类，看看这个类是如何构造的？（这里前后连贯性很强）。
2.6 MetricQueryService
可以看到MetricQueryService这个类里面有一个createMetricQueryService方法，这个方法指的就是创建指标查询服务：
看看在哪里调用了这个方法：
可以在指标服务注册中心（MetricRegistryImpl）里面的startQueryService方法调用了，再看看哪里调用了startQueryService这个方法：
可以看到有3个地方开启了这个指标的服务，分别是：
- ClusterEntrypoint：
Flink集群入口点的基类 - MiniCluster：
MiniCluster在本地执行Flink任务 - TaskManagerRunner：在
yarn或standalone模式下，这个类是任务管理器的可执行入口点。它构建相关组件(网络、I/O管理器、内存管理器、RPC服务、HA服务)并启动。
为了方便理解，这里解读本地执行Flink任务的模式就好了，即继续研读MiniCluster。
2.7 MiniCluster
在MiniCluster的start()方法，可以看到了调用了startQueryService方法
继续看看里面的metricQueryServiceRpcService入参，可以知道，metricQueryServiceRpcService（指标查询服务）是从配置里初始化来的。
继续看看configuration配置：
可以得知，配置是从miniClusterConfiguration里获取的，继续深入：
发现，配置是从构造函数里获取的，继续看看哪里调用了MiniCluster这个类的构造函数方法：
调用这个方法的类有很多，根据命名，可以得知较为合理的是LocalExecutor这个类。
2.8 LocalExecutor
我对LocalExecutor的理解：一个用于执行本地Pipelines（例如：多条FlinkSQL）的执行器。
看看哪里调用了MiniCluster的构造方法：
继续看看哪里调用了create方法，可以得知在LocalExecutorFactory里的getExecutor方法调用了：
Ctrl+T，可以看到在ExecutionEnviroment和StreamExecutionEnviroment里调用了：
哦豁，这不是我们日常做Flink开发常用的两个类了么。随便打开StreamExecutionEnviroment这个类看看。
2.8 StreamExecutionEnviroment
可以看到，在里面的executeAsync方法代用了:
到这里，我们知道了配置是从用户初始化StreamExecutionEnviroment传入的。
03 小结
具体指标的参数从哪里获取，我们有了一个很好的分析思路了，我们可以自己编写一个Flink的程序，使用的是StreamExecutionEnviroment，然后断点本文的源码，就知道来龙去脉了。
本文由于篇幅原因，在下一篇博客继续讲解。
