Flink for java之三:算子串烧Operators

前言

如上图,算子,也叫operation或transformation,是编写业务逻辑的核心单元,类似于Spark中的RDD。

本文会参考Flink Operators 通过实例的方式,以DataStream API来讲解,如有不对的地方,请给我留言。

注:流处理和批处理的一个重要区别是,流处理是“rolling”,也就是说数据会不断的源源流入,不像批处理,是一次性获取所有数据,然后再一起做处理。

一、Map

DataStream --> DataStream:输入一个参数产生一个参数,map的功能是对输入的参数进行转换操作。

Map算子是一进一出,如下图所示


代码:input:[0,1,2,3,4,5,6,7,8,9,10],

output:[100,101,102,103,104,105,106,107,108,109,110]

public class TestMap {

public static void main(String[] args)throws Exception{

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        DataStream input = env.generateSequence(0,10);

        DataStream plusOne = input.map(new MapFunction() {

@Override

            public Longmap(Long value)throws Exception {

System.out.println("-----------" + value);

                return value+100;

            }

});

        plusOne.print();

        env.execute();

    }

}


二、FlatMap

DataStream --> DataStream:输入一个参数,产生0、1或者多个输出,这个多用于拆分操作。

flatMap是一进多出,最常见的例子就是wordcount:

public static void main(String[] args)throws Exception{

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

    DataStream input = env.fromElements(WORDS);

    DataStream wordStream = input.flatMap(new FlatMapFunction() {

@Override

        public void flatMap(String value, Collector out)throws Exception {

String[] tokens = value.toLowerCase().split("\\W+");

            for(String word : tokens){

if(word.length()>0) {

out.collect(word);

                }

}

}

});

    wordStream.print();

    env.execute("w");

}


三、Filter

DataStream --> DataStream:结算每个元素的布尔值,并返回为true的元素



public class TestFilter {

public static void main(String[] args)throws Exception{

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        DataStream input = env.generateSequence(-5,5);

        input.filter(new FilterFunction() {

@Override

            public boolean filter(Long value)throws Exception {

return value>0;

            }

}).print();

        //input.print();

        env.execute();

    }

}

四、KeyBy

DataSteam --> DataStream:逻辑地将一个流拆分成不相交的分区,每个分区包含具有相同key的元素,在内部以hash的形式实现的。以key来分组。

注意:以下类型无法作为key

1. POJO类,且没有实现hashCode函数

2. 任意形式的数组类型

key的创建参考:Keyed DataStream

KeyBy是根据key来进行分类,类似SQL中的groupBy,分类之后就可以求最大值、最小值、平均值、求和等

public class TestKeyBy {

    public static void main(String[] args) throws Exception{

        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        DataStream<Tuple4<String,String,String,Integer>> input = env.fromElements(TRANSCRIPT);

        System.out.println("----------" + input.getParallelism());

        KeyedStream<Tuple4<String,String,String,Integer>,Tuple> keyedStream = input.keyBy("f0");

        keyedStream.maxBy("f3").print();

        env.execute();

    }

    public static final Tuple4[] TRANSCRIPT = new Tuple4[]{

            Tuple4.of("class1","张三","语文",100),

            Tuple4.of("class1","李四","语文",78),

            Tuple4.of("class1","王五","语文",99),

            Tuple4.of("class2","赵六","语文",81),

            Tuple4.of("class2","钱七","语文",59),

            Tuple4.of("class2","马二","语文",97)

    };

}

五、reduce

KeyedStream --> DataStream:滚动合并操作,合并当前元素和上一次合并的元素结果。

实例:

输出:将f3列的成绩叠加


六、fold

KeyedStream --> DataStream:用一个初始的一个值,与其每个元素进行滚动合并操作。相当于是一次折叠操作,这个算子在新的API中已经去除,比较鸡肋。

public class TestFold {

public static void main(String[] args)throws Exception{

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        DataStream> input = env.fromElements(TRANSCRIPT);

        DataStream result = input.keyBy(0).fold("start", new FoldFunction, String>() {

@Override

            public Stringfold(String accumulator, Tuple4 value)throws Exception {

return accumulator +"=" + value.f1;

            }

});

        result.print();

        env.execute();

    }

public static final Tuple4[]TRANSCRIPT =new Tuple4[]{

Tuple4.of("class1","张三","语文",100),

            Tuple4.of("class1","李四","语文",78),

            Tuple4.of("class1","王五","语文",99),

            Tuple4.of("class2","赵六","语文",81),

            Tuple4.of("class2","钱七","语文",59),

            Tuple4.of("class2","马二","语文",97)

};

}

输出:


七、aggregation

KeyedStream --> DataStream:分组流数据的滚动聚合操作:min和minBy的区别是min返回的是一个最小值,而minBy返回的是其字段中包含的最小值的元素(同样元原理适用于max和maxBy)


八、iterate

DataStream --> IterativeStream --> DataStream:在流程中创建一个反馈循环,将一个操作的输出重定向到之前的操作,这对于定义持续更新模型的算法来说很有意义的。



九、aggregation on windows

WindowedStream --> DataStream:对window的元素做聚合操作,min和minBy的区别是min返回的是最小值,而minBy返回的是包含最小值字段的元素。(同样原理适用于max和maxBy)


十、connect 和union的区别

DataStream,DataStream --> ConnectedStreams:连接两个保持她们类型的数据流,各自分析,并且双流之间可以共享状态(比如计数),这在第一个流的输入会影响第二个流时,非常有用。


DataStream*  --> DataStream:连接两个及以上相同的数据流,合并多个流,新的流包含所有输入的流。

注意:如果将一个DataStream和自己做union操作,在新的DataStream中,将看到每个元素重复两次

使用的算子是coMap、coFlatMap,类似于Map、FlatMap,只不过作用在ConnectedStreams。

public class TestConnect {

public static void main(String[] args)throws Exception{

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        DataStream somestream = env.generateSequence(0,10);

        DataStream otherstream = env.fromElements(WORDS);

        ConnectedStreams connectedStreams = somestream.connect(otherstream);

        DataStream result = connectedStreams.flatMap(new CoFlatMapFunction() {

@Override

            public void flatMap1(Long value, Collector out)throws Exception {

out.collect(value.toString());

            }

@Override

            public void flatMap2(String value, Collector out)throws Exception {

for(String word : value.split("\\W+")){

if(word.length()>0){

out.collect(word);

                    }

}

}

});

        result.print();

        env.execute();

    }

public static final String[]WORDS =new String[]{

"To be, or not to be,--that is the question:--",

            "Whether 'tis nobler in the mind to suffer",

            "The slings and arrows of outrageous fortune",

            "Or to take arms against a sea of troubles,",

            "And by opposing end them?--To die,--to sleep,--",

            "No more; and by a sleep to say we end",

            "The heartache, and the thousand natural shocks",

            "That flesh is heir to,--'tis a consummation",

            "Devoutly to be wish'd. To die,--to sleep;--",

            "To sleep! perchance to dream:--ay, there's the rub;",

            "For in that sleep of death what dreams may come,",

            "When we have shuffled off this mortal coil,",

            "Must give us pause: there's the respect",

            "That makes calamity of so long life;",

            "For who would bear the whips and scorns of time,",

            "The oppressor's wrong, the proud man's contumely,",

            "The pangs of despis'd love, the law's delay,",

            "The insolence of office, and the spurns",

            "That patient merit of the unworthy takes,",

            "When he himself might his quietus make",

            "With a bare bodkin? who would these fardels bear,",

            "To grunt and sweat under a weary life,",

            "But that the dread of something after death,--",

            "The undiscover'd country, from whose bourn",

            "No traveller returns,--puzzles the will,",

            "And makes us rather bear those ills we have",

            "Than fly to others that we know not of?",

            "Thus conscience does make cowards of us all;",

            "And thus the native hue of resolution",

            "Is sicklied o'er with the pale cast of thought;",

            "And enterprises of great pith and moment,",

            "With this regard, their currents turn awry,",

            "And lose the name of action.--Soft you now!",

            "The fair Ophelia!--Nymph, in thy orisons",

            "Be all my sins remember'd."

    };

}

输出:

第十一、split和select

split:DataStream --> SplitStream,按照指定标准将指定的DataStream拆分成多个SplitStream。

select:SplitStream --> DataStream,跟split搭配使用,从SplitStream中选择一个或多个流。

public class TestSplitAndSelect {

public static void main(String[] args)throws Exception{

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        DataStream input = env.generateSequence(0,10);

        SplitStream splitStream = input.split(new OutputSelector() {

@Override

            public Iterableselect(Long value) {

List output =new ArrayList();

                if(value %2 ==0){

output.add("even");

                }else {

output.add("odd");

                }

return output;

            }

});

        //splitStream.print();

        DataStream even = splitStream.select("even");

        DataStream odd  = splitStream.select("odd");

        DataStream all  = splitStream.select("even","odd");

        even.print();

        //odd.print();

        //all.print();

        env.execute();

    }

}

打印偶数:

打印奇数:

打印全部(奇偶数):

第十二、project

从Tuple中选择属性的子集,即仅限event数据类型为Tuple的DataStream

注意:只有java API

使用场景:ETL时删减计算过程中不需要的字段

public class TestProject {

public static void main(String[] args)throws Exception{

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        DataStream> input = env.fromElements(TRANSCRIPT);

        DataStream> out = input.project(1,3);

        out.print();

        env.execute();

    }

public static final Tuple4[]TRANSCRIPT =new Tuple4[]{

Tuple4.of("class1","张三","语文",100),

            Tuple4.of("class1","李四","语文",78),

            Tuple4.of("class1","王五","语文",99),

            Tuple4.of("class2","赵六","语文",81),

            Tuple4.of("class2","钱七","语文",59),

            Tuple4.of("class2","马二","语文",97)

};

}

输出:

第十三、MapPartition

类似Map,一次仅处理一个分区的数据

并行度为2:

并行度为4:


第十四、Distinct,去重

返回数据中不相同的元素,可以指定去重所依据的字段

根据第一个元素去重:

不指定去重字段的话,就是全元素匹配:

第十五、SortPartition,分区内排序

分区和分组是两个不同的概念,不要混淆。

下面的例子是先在第一个字段升序,如果第一个字段相同,则根据第二个字段降序

输出:

第十六、Join(Default/Inner Join)

场景一:默认是等值连接,就是inner join

输出:

场景二:按照自定义类,格式化输出,如(用户id,用户名,城市名)

输出:

第十七、Outer Join

场景一、left outer join


输出:

场景二、right outer join

输出:

场景三、full outer join

输出:

第十八、笛卡尔积Cross

第十九、union


Flink源码:https://github.com/apache/flink

Flink官网:https://ci.apache.org/projects/flink/flink-docs-release-1.12/

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,242评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,769评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,484评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,133评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,007评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,080评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,496评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,190评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,464评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,549评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,330评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,205评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,567评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,889评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,160评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,475评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,650评论 2 335

推荐阅读更多精彩内容