举一些常用的例子:
flink中提供的大量的算子,下面将介绍常用的算子操作方式:
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。
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
filter
DataStream --> DataStream:结算每个元素的布尔值,并返回为true的元素
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
POJO类,且没有实现hashCode函数 任意形式的数组类型 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。
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。
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)
window
KeyedStream --> DataStream:windows是在一个分区的KeyedStreams中定义的,windows根据某些特性将每个key的数据进行分组(例如:在5s内到达的数据)。
windowAll
DataStream --> AllWindowedStream:Windows可以在一个常规的DataStream中定义,Windows根据某些特性对所有的流(例如:5s内到达的数据)。
注意:这个操作在很多情况下都不是并行操作的,所有的记录都会聚集到一个windowAll操作的任务中
window apply
WindowedStream --> DataStream
AllWindowedStream --> DataStream:将一个通用的函数作为一个整体传递给window。
window reduce
WindowedStream --> DataStream:给窗口赋予一个reduce的功能,并返回一个reduce的结果。
window fold
WindowedStream --> DataStream:给窗口赋予一个fold的功能,并返回一个fold后的结果。
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)
union
DataStream --> DataStream:对两个或两个以上的DataStream做union操作,产生一个包含所有的DataStream元素的新DataStream。
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
window join
DataStream,DataStream --> DataStream:根据给定的key和window对两个DataStream做join操作
window coGroup
DataStream,DataStream --> DataStream:根据一个给定的key和window对两个DataStream做CoGroups操作。
connect
DataStream,DataStream --> ConnectedStreams:连接两个保持它们类型的数据流。
coMap、coFlatMap
ConnectedStreams --> DataStream:作用于connected数据流上,功能与map和flatMap一样。
split
DataStream --> SplitStream:根据某些特征把一个DataStream拆分成两个或多个DataStream
select
SplitStream --> DataStream:从一个SplitStream中获取一个或多个DataStream
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。
extract timestamps
DataStream --> DataStream:提取记录中的时间戳来跟需要事件时间的window一起发挥作用。
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。