Flink AI Flow 是如何把实时推荐系统里面复杂的工作流，用一个完整的工作流描述出来？

举例说明，如图示，假如有一个 DAG，它里面包含了模型的训练，模型的验证以及在线推理这三个作业。 首先，通过Scheduler模型训练的作业，提交上去之后，Scheduler会到Metadata Service里面去更新作业状态，变成一个待提交的状态。假设环境是K8SCluster，那么它会提交到Kubernetes上去跑这样一个训练作业；

训练作业跑起来之后，可以通过作业状态监听器更新作业状态。假设是一个流式的训练作业，跑了一段时间后会生成一个模型，这个模型会注册到模型中心，注册之后模型中心会发出一个事件，表示有一个新的模型版本被注册了。这个事件会到Scheduler，Scheduler会监听这些事件。

当收到这些事件后，Scheduler就会去看有没有一些条件被满足了，还需要做什么动作。模型生成的时候，Scheduler需要对这个模型进行验证，满足后拉起一个作业，也就是模型验证的作业。模型验证作业被拉起后，它会到模型中心找到最新被生成的模型版本，然后对它机型模型验证。如果验证通过，且这个模型验证是个批作业，那么它会告诉Model Center模型被Validated了，这个时候模型中心就会发送一条Model Validated Version Event给Scheduler，模型被更新后，Scheduler会去看Model Validated，触发拉起线上的推理服务，然后再到模型中心把里面刚被Validated过的模型拉过来做推理。

假设推理服务也是一个流的作业，也是一直跑在那里。过了一段时间之后，线上的流的训练作业又生成了一个新的模型，刚才那条路又会再走一遍，它会有一个模型生成的一个 New Model Version Validated，它又会被 Scheduler 听到，Scheduler 又拉起一个Validated 作业，Job2 又会被拉起，拉起之后 Validated 作业又会去验证模型，有可能这个模型验证又通过了，又会发送一条模型 New Model Version Validated 给模型中心，模型中心会把这个 Event 又给到 Scheduler。这个时候，Scheduler 会看到推理作业其实已经起在那里了，可能就什么都不做。推理作业同时也在监听着 Model Version Validated 事件，当它收到这个事件的时候，会去做的一件事情就是到模型中心里面重新加载最新的被 Validated 过的事件。

资料来源：《实时数仓“王炸组合”-实时计算 Flink 版+Hologre》链接：https://developer.aliyun.com/topic/download?id=7944