DataStream
1. map/flatMap
- MapFunction<T, O>
O map(T value) throws Exception;
输入一个元素,输出一个元素,其中包含了变换逻辑
- RichMapFunction<IN, OUT>
继承了MapFunction,可以获取RuntimeContext,用于查询当前算子当前并发的运行状态、accumulator以及broadcast variables等。
- FlatMapFunction<T, O>
void flatMap(T value, Collector<O> out) throws Exception;
输入一个元素,输出若干个元素(可以是0个),其中包含了变换逻辑
- RichFlatMapFunction<IN, OUT>
类似RichMapFunction
2. filter
-
FilterFunction<T>
boolean filter(T value) throws Exception;
包含筛选逻辑,需要保留的返回true,否则返回false
3. process
- ProcessFunction<I, O>
void processElement(I value, Context ctx, Collector<O> out)
用于处理数据,out用于向下游发射数据,ctx则用于查询时间戳、注册TimerService等等,也可以获取state用于暂时存储数据
onTimer(long timestamp, OnTimerContext ctx, Collector<O> out)
注册了TimerService后(同一个时间戳多次注册只会触发一次),当watermark没过这个时间戳时,就会触发事件,调用onTimer方法,可以执行一些逻辑,比如把统计的结果合并成一条记录,用out输出等等
4. project
- <R extends Tuple> SingleOutputStreamOperator<R> project(int... fieldIndexes)
只有Tuple才能这样操作,就是将原来的Tuple映射成新的Tuple,fieldIndexes表示原来的Tuple中的数据的索引,取出的数据按fieldIndexes的顺序,排成新的Tuple
5. windowAll / countWindowAll / timeWindowAll
表示以不同的方式获取不分key的AllWindowedStream
6. addSink / print/printToErr / writeAsText / writeAsText / writeToSocket / writeUsingOutputFormat
各种花式输出~
AllWindowedStream
1. reduce
将一个流的一个window的数据聚合成一个数据,数据类型一致
- ReduceFunction<T>
T reduce(T value1, T value2) throws Exception;
输入两个数据,输出一个数据,其中包含了归并的逻辑,算子会不断重复,直至剩下一个元素。用户需要自己保证reduce方法的结果与元素的处理先后、组合方式无关。
2. aggregate
将一个窗口的数据聚合成一条,与reduce类似,但是更灵活
- AggregateFunction<IN, ACC, OUT>
ACC createAccumulator();
创建一个累加器,用于保存状态,最好是增量的,可以节约存储,不用保存所有记录
ACC add(IN value, ACC accumulator);
增加一个元素
OUT getResult(ACC accumulator);
从accumulator中获得输出元素
ACC merge(ACC a, ACC b);
用于合并accumulator,复用对象,调用这个方法后,之前的accumulator就不再用了
- AllWindowFunction<IN, OUT, W extends Window>
void apply(W window, Iterable<IN> values, Collector<OUT> out) throws Exception;
用于将AggregateFunction中合并得到的的OUT 数据通过out输出。这里的IN是AggregateFunction的OUT
- ProcessAllWindowFunction<IN, OUT, W extends Window>
public abstract void process(Context context, Iterable<IN> elements, Collector<OUT> out) throws Exception;
与AllWindowFunction类似,但是多了可以使用context的功能
3. process
也使用ProcessAllWindowFunction,与aggregate不同的是,处理的是窗口中的每一个元素,而不是聚合后的元素
4. apply
也使用ReduceFunction、AllWindowFunction,与reduce、aggregate不同的是,处理的是窗口中的每一个元素,而不是聚合后的元素
5. fold
FoldFunction<O, T>
T fold(T accumulator, O value) throws Exception;
与reduce、aggregate类似,把每个数据都归并到一个accumulator中去,最后产生一个输出数据
6. sum / min / max / minBy / maxBy
一些预定义好的聚合方法,按字面意思
7. sideOutputLateData
sideOutputLateData(OutputTag<T> outputTag)
将迟到的数据输出,outputTag是输出流的tag
可以通过SingleOutputStreamOperator#getSideOutput(OutputTag)来获得迟到数据的流
KeyedStream
1. reduce
2. aggregate
3. process
4. fold
5. sum / min / max / minBy / maxBy
6. window / countWindow / timeWindow
方法的作用与DataStream类似,表示以不同的方式获取分key的WindowedStream
WindowedStream
1. reduce
2. aggregate
3. process
4. apply
5. fold
6. sum / min / max / minBy / maxBy
7. sideOutputLateData
方法的作用与AllWindowStream类似,只是作用于某个pane(也就是window中单独的key的数据)