Flink 的Transform算子
在上一篇中我们讲完了获取Flink执行环境与定义某些Source的方法,那么接下来也就是重要的Flink Transform算子的讲解环节了!!!老规矩先上图:
图中有很多算子,我们会讲解一部分,其他用到后会在教程中讲解
一、基础算子
1.1 map
1.1.1 作用
map可以理解为映射,对每个元素进行一定的变换后,映射为另一个元素,也就是一对一的转化
1.1.2 图解
1.1.3 代码演示
val streamMap = stream.map { x => x * 2 }
1.2 flatMap
1.2.1 干什么的
可以理解为将元素摊平,一句话来理解就是一行变多行(一个元素根据某个规则变成0个、1个或者是多个)
1.2.2 详解
flatMap的函数签名:def flatMap[A,B](as: List[A])(f: A ⇒ List[B]): List[B]
flatMap(List(1,2,3))(i ⇒ List(i,i))
结果是List(1,1,2,2,3,3)
List("a b", "c d").flatMap(line ⇒ line.split(" "))
结果是List(a, b, c, d)。
1.3 Filter
1.3.1 干什么的
根据规则去过滤出需要的数据
1.3.2 图解
1.3.3 代码
val streamFilter = stream.filter{
x => x == 1
}
二、keyby、aggregation、reduce等算子
2.1 图解关系
2.2 KeyBy
2.2.1 图解
2.2.2 原理
keyBy算子将DataStream转换成一个KeyedStream。KeyedStream是一种特殊的DataStream,事实上,KeyedStream继承了DataStream,DataStream的各元素随机分布在各Task Slot中,KeyedStream的各元素按照Key分组,分配到各Task Slot中。我们需要向keyBy算子传递一个参数,以告知Flink以什么字段作为Key进行分组。
2.2.3 使用
使用数字位置来指定key:
val dataStream: DataStream[(Int, Double)] = senv.fromElements((1, 1.0), (2, 3.2), (1, 5.5), (3, 10.0), (3, 12.5))
// 使用数字位置定义Key 按照第一个字段进行分组
val keyedStream = dataStream.keyBy(0)
可以使用字段名来指定Key,比如StockPrice里的股票代号symbol:
val stockPriceStream: DataStream[StockPrice] = stockPriceRawStream.keyBy(_.symbol)
2.3 aggregation
2.3.1 详解
常见的聚合操作有sum、max、min等,这些聚合操作统称为aggregation。aggregation需要一个参数来指定按照哪个字段进行聚合。跟keyBy相似,我们可以使用数字位置来指定对哪个字段进行聚合,也可以使用字段名。与批处理不同,这些聚合函数是对流数据进行聚合,流数据是依次进入Flink的,聚合操作是对之前流入的数据进行统计聚合。sum算子的功能对该字段进行加和,并将结果保存在该字段上。min操作无法确定其他字段的数值。
2.3.2 相关算子简介
- sum算子的功能对该字段进行加和,并将结果保存在该字段上
val tupleStream = senv.fromElements(
(0, 0, 0), (0, 1, 1), (0, 2, 2),
(1, 0, 6), (1, 1, 7), (1, 2, 8)
)
// 按第一个字段分组,对第二个字段求和,打印出来的结果如下:
// (0,0,0)
// (0,1,0)
// (0,3,0)
// (1,0,6)
// (1,1,6)
// (1,3,6)
val sumStream = tupleStream.keyBy(0).sum(1).print()
- max算子对该字段求最大值,并将结果保存在该字段上。对于其他字段,该操作并不能保证其数值。
// 按第一个字段分组,对第三个字段求最大值max,打印出来的结果如下:
// (0,0,0)
// (0,0,1)
// (0,0,2)
// (1,0,6)
// (1,0,7)
// (1,0,8)
val maxStream = tupleStream.keyBy(0).max(2).print()
- maxBy算子对该字段求最大值,maxBy与max的区别在于,maxBy同时保留其他字段的数值,即maxBy可以得到数据流中最大的元素。
// 按第一个字段分组,对第三个字段求最大值maxBy,打印出来的结果如下:
// (0,0,0)
// (0,1,1)
// (0,2,2)
// (1,0,6)
// (1,1,7)
// (1,2,8)
val maxByStream = tupleStream.keyBy(0).maxBy(2).print()
2.3.3 一些注意事项
其实,这些aggregation操作里已经封装了状态数据,比如,sum算子内部记录了当前的和,max算子内部记录了当前的最大值。由于内部封装了状态数据,而且状态数据并不会被清理,因此一定要避免在一个无限数据流上使用aggregation。
注意,对于一个KeyedStream,一次只能使用一个aggregation操作,无法链式使用多个。
2.4 reduce
2.4.1 图解
2.4.2 详解
reduce在按照同一个Key分组的数据流上生效,它接受两个输入,生成一个输出,即两两合一地进行汇总操作,生成一个同类型的新元素。
case class Score(name: String, course: String, score: Int)
val dataStream: DataStream[Score] = senv.fromElements(
Score("Li", "English", 90), Score("Wang", "English", 88), Score("Li", "Math", 85),
Score("Wang", "Math", 92), Score("Liu", "Math", 91), Score("Liu", "English", 87))
class MyReduceFunction() extends ReduceFunction[Score] {
// reduce 接受两个输入,生成一个同类型的新的输出
override def reduce(s1: Score, s2: Score): Score = {
Score(s1.name, "Sum", s1.score + s2.score)
}
}
val sumReduceFunctionStream = dataStream
.keyBy("name")
.reduce(new MyReduceFunction)
简洁表达:
val sumLambdaStream = dataStream
.keyBy("name")
.reduce((s1, s2) => Score(s1.name, "Sum", s1.score + s2.score))
2.5 fold
2.5.1 详解与举例
在keys化的数据流上滚动的折叠。将当前的数据元与最后折叠的值组合并发出新值。
举例需求:序列(1,2,3,4,5),发出序列“start-1”,“start-1-2”,“start-1- 2-3”,. ..
DataStream<String> result = keyedStream.fold("start", new FoldFunction<Integer, String& gt;() {
@Override public String fold(String current, Integer value) {
return current + "-" + value;
}
});