根据flink流媒体文档:
窗口函数可以是ReduceFunction,FoldFunction或WindowFunction之一。前两个可以更有效地执行(参见State Size部分),因为Flink可以在每个窗口到达时递增地聚合它们的元素。
批处理模式是否同样适用?在下面的示例中,我正在阅读来自cassandra的~36go数据,但我预计减少的输出要小得多(~0.5go)。运行这个作业需要flink来将整个输入存储在内存中,还是足够智能,能够迭代它
DataSet input = ...;
DataSet sampled = input
.groupBy(MyRecord::getSampleKey)
.reduce(MyRecord::keepLast);
根据Flink中Reduce Operation的文档,我看到以下内容:
应用于分组DataSet的Reduce转换使用用户定义的reduce函数将每个组减少为单个元素。对于每组输入元素,reduce函数连续地将元素对组合成一个元素,直到每个组只剩下一个元素。
请注意,对于ReduceFunction,返回对象的键控字段应与输入值匹配。这是因为reduce是可隐式组合的,并且从组合运算符发出的对象在传递给reduce运算符时再次按键分组。
如果我正确读取此信息,Flink将在mapper端执行reduce操作,再在reducer端执行reduce操作,因此实际发出/序列化的数据应该很小。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。