【Flink 从入门到成神系列 一】算子

• 👏作者简介：大家好，我是爱敲代码的小黄，阿里巴巴淘天Java开发工程师，CSDN博客专家
• 📕系列专栏：Spring源码、Netty源码、Kafka源码、JUC源码、dubbo源码系列
• 🔥如果感觉博主的文章还不错的话，请👍三连支持👍一下博主哦
• 🍂博主正在努力完成2023计划中：以梦为马，扬帆起航，2023追梦人
• 📝联系方式：hls1793929520，加我进群，大家一起学习，一起进步，一起对抗互联网寒冬👀

文章目录

Flink-算子

Transformations

算子可以将一个或者多个算子转换成一个新的数据流

使用

Transformations

算子组合可以进行复杂的业务处理

一、Map

DataStream

→

DataStream

Map

比较简单，遍历我们数据流的每一个元素，产生一个新的元素

作用：字符串的转换、去除空格等操作

注意：只能一对一

示例如下：

/**
 * 去除当前字符串的前后空格
 */publicclassMyMapFunctionimplementsMapFunction<String,String>{@OverridepublicStringmap(String value)throwsException{return value.trim();}}

二、FlatMap

DataStream

→

DataStream

遍历当前数据流中的每一个元素，产生

N

（N = 0,1,2,3）个元素

作用：与

Map

有点像，主要可以输出多个

注意：一对一、一对多

示例如下：

/**
 * 将当前字符串按照逗号进行分割
 */publicclassMyFlatMapFunctionimplementsFlatMapFunction<String,String>{@OverridepublicvoidflatMap(String value,Collector<String> collector)throwsException{if(value ==null|| value.isEmpty()){return;}for(String word : value.split(",")){
            collector.collect(word);}}}

三、Filter

DataStream

→

DataStream

过滤算子，根据数据流的元素的业务逻辑，返回

true

或者

false

true

：保留当前元素

false

：丢弃当前元素

作用：过滤某些不符合预期的数据流数据

示例如下：

/**
 * 过滤掉处于黑名单的数据流数据
 */publicclassMyFilterFunctionimplementsFilterFunction<String>{privatefinalstaticSet<String> blackSet =newHashSet<>();static{
        blackSet.add("num1");
        blackSet.add("num2");
        blackSet.add("num3");}@Overridepublicbooleanfilter(String value)throwsException{return!blackSet.contains(value);}}

四、Union（真合并）

DataStream

→

DataStream

合并两个或者更多的数据流产生一个新的数据流

新的数据流包括所合并的数据流的元素

注意：需要保证数据流中元素类型一致

/**
 * 聚合多条流数据
 */publicclassUnionFunction{privatefinalstaticString hostName ="";privatefinalstaticint port =8088;publicstaticvoidmain(String[] args)throwsException{// 1. 创建流环境StreamExecutionEnvironment env =StreamExecutionEnvironment.getExecutionEnvironment();// 2. 创建多条输入源DataStreamSource<String> dataStream1 = env.socketTextStream(hostName, port);DataStreamSource<String> dataStream2 = env.socketTextStream(hostName, port);// 3. 合并数据源DataStream<String> unionDataStream = dataStream1.union(dataStream2);// 4. 输出
        unionDataStream.print();// 5. 执行
        env.execute();}}

五、Connect（假合并）

DataStream,DataStream → ConnectedStreams

合并两个数据流并且保留两个数据流的数据类型，能够共享两个流的状态

代码示例：

publicclassConnectFunction{privatefinalstaticString hostName ="";privatefinalstaticint port =8088;publicstaticvoidmain(String[] args)throwsException{// 1. 创建流环境StreamExecutionEnvironment env =StreamExecutionEnvironment.getExecutionEnvironment();// 2. 创建多条输入源DataStreamSource<String> dataStream1 = env.socketTextStream(hostName, port);DataStreamSource<String> dataStream2 = env.socketTextStream(hostName, port);ConnectedStreams<String,String> connect = dataStream1.connect(dataStream2);}}

六、CoMap, CoFlatMap

ConnectedStreams → DataStream

CoMap

和

CoFlatMap

并不是具体算子名称，而是一类操作名称

CoMap：基于

ConnectedStreams

数据流做

map

遍历

SingleOutputStreamOperator<Object> map = connect.map(newCoMapFunction<String,String,Object>(){@Override// 第一个数据流转换publicStringmap1(String value)throwsException{return value;}@Override// 第二个数据流转换publicStringmap2(String value)throwsException{return value;}});

CoFlatMap：基于

ConnectedStreams

数据流做

flatMap

遍历

connect.flatMap(newCoFlatMapFunction<String,String,String>(){@OverridepublicvoidflatMap1(String value,Collector<String> collector)throwsException{if(value ==null|| value.isEmpty()){return;}for(String word : value.split(",")){
            collector.collect(word);}}@OverridepublicvoidflatMap2(String value,Collector<String> collector)throwsException{if(value ==null|| value.isEmpty()){return;}for(String word : value.split(",")){
            collector.collect(word);}}});

七、Split & select（已废弃）

DataStream → SplitStream

根据条件将一个流分成两个或者更多的流

注意：

• Split...Select... 中 Split 只是对流中的数据打上标记,并没有将流真正拆分。
• 通过 Select 算子将流真正拆分出来。
• Split...Select... 已经过时

publicstaticvoidmain(String[] args)throwsException{// 1. 创建流环境StreamExecutionEnvironment env =StreamExecutionEnvironment.getExecutionEnvironment();// 2. 创建多条输入源DataStreamSource<String> dataStream = env.socketTextStream(hostName, port);// 3. 定义拆分逻辑SplitStream<String> splitStream = dataStream.split(newOutputSelector<String>(){@OverridepublicIterable<String>select(String value){List<String> output =newArrayList<>();if(value.equals("AAA")){
                    output.add("A");}else{
                    output.add("B");}return output;}});// 4. 将数据流真正拆分
        splitStream.select("A").print("输出A：");
        splitStream.select("B").print("输出B：");}

八、side output

流计算过程，可能遇到根据不同的条件来分隔数据流

filter

分割造成不必要的数据复制

OutputTag<String> rtTag =newOutputTag("rt");OutputTag<String> qpsTag =newOutputTag("qps");SingleOutputStreamOperator<Object> process = dataStream.process(newProcessFunction<String,Object>(){@OverridepublicvoidprocessElement(String value,Context ctx,Collector<Object> out)throwsException{if(value.equals("RT")){
                    ctx.output(rtTag, value);}elseif(value.equals("qps")){
                    ctx.output(qpsTag, value);}else{
                    out.collect(value);}}});// 主流
        process.print();// rtDataStream<String> rtOutput = process.getSideOutput(rtTag);// qpsDataStream<String> qpsOutput = process.getSideOutput(qpsTag);

九、Iterate

DataStream → IterativeStream → DataStream

Iterate

算子提供了对数据流迭代的支持

迭代有两部分组成：迭代体、终止迭代条件

不满足终止迭代条件的数据流会返回到stream流中，进行下一次迭代

满足终止迭代条件的数据流继续往下游发送

// 获取迭代数据源IterativeStream<String> iterate = dataStreamSource.iterate();// 迭代体// 每次数据累加DataStream<String> minusOne = iterate.map(newMapFunction<String,String>(){@OverridepublicStringmap(String value)throwsException{return value + value;}}).setParallelism(1);;// 设置 map 操作的并行度为1// 终止迭代条件(当数值小于等于10时，均再次进行迭代)DataStream<String> stillGreaterThanZero = minusOne.filter(newFilterFunction<String>(){@Overridepublicbooleanfilter(String value)throwsException{return value.length()<=10;}}).setParallelism(1);// 设置 filter 操作的并行度为1

iterate.closeWith(stillGreaterThanZero);

十、keyBy

DataStream → KeyedStream

根据数据流中指定的字段来分区，相同指定字段值的数据一定是在同一个分区中

按照某

key

进行分组

dataStream.keyBy("word")publicclassWordCount{publicString word;publicint count;publicWordCount(String word,int count){this.word = word;this.count = count;}publicWordCount(){}}// 或者使用KeySelectorKeyedStream<WordCount,String> wordCountObjectKeyedStream = dataStreamSource.keyBy(newKeySelector<WordCount,String>(){@OverridepublicStringgetKey(WordCount wordCount)throwsException{return wordCount.word;}});

**这里一定要注意：如果你采用的是

POJO

类，那么一定要加

Public

修饰符，因为

Flink

通过反射机制访问和操作这些字段，实现分组和聚合等操作**

十一、Reduce

KeyedStream（根据key分组） → DataStream

对于分组完的数据流进行聚合处理

如果只是简单的累加操作，和

sum

区别不大

SingleOutputStreamOperator<WordCount> dataStream = wordCountObjectKeyedStream.reduce(newReduceFunction<WordCount>(){@OverridepublicWordCountreduce(WordCount wordCount1,WordCount wordCount2)throwsException{returnnewWordCount(wordCount1.word, wordCount1.count + wordCount2.count);}});

十二、Aggregations

KeyedStream → DataStream

Aggregations代表的是一类聚合算子，具体算子如下：

// 根据键对流数据中的指定位置（索引为0）的值进行求和。
keyedStream.sum(0)// 根据键对流数据中的名为"key"的字段的值进行求和。
keyedStream.sum("key")// 根据键对流数据中的指定位置（索引为0）的值进行取最小值。
keyedStream.min(0)// 根据键对流数据中的名为"key"的字段的值进行取最小值。
keyedStream.min("key")// 根据键对流数据中的指定位置（索引为0）的值进行取最大值。
keyedStream.max(0)// 根据键对流数据中的名为"key"的字段的值进行取最大值。
keyedStream.max("key")//根据键对流数据中的指定位置（索引为0）的值进行最小值比较，并返回具有最小值的元素。
keyedStream.minBy(0)//根据键对流数据中的名为"key"的字段的值进行最小值比较，并返回具有最小值的元素。
keyedStream.minBy("key")// 根据键对流数据中的指定位置（索引为0）的值进行最大值比较，并返回具有最大值的元素
keyedStream.maxBy(0)// 根据键对流数据中的名为"key"的字段的值进行最大值比较，并返回具有最大值的元素。
keyedStream.maxBy("key")

十三、总结

鲁迅先生曾说：独行难，众行易，和志同道合的人一起进步。彼此毫无保留的分享经验，才是对抗互联网寒冬的最佳选择。
其实很多时候，并不是我们不够努力，很可能就是自己努力的方向不对，如果有一个人能稍微指点你一下，你真的可能会少走几年弯路。

如果你也对 后端架构 和 中间件源码 有兴趣，欢迎添加博主微信：hls1793929520，一起学习，一起成长

我是爱敲代码的小黄，阿里巴巴淘天集团Java开发工程师，双非二本，培训班出身

通过两年努力，成功拿下阿里、百度、美团、滴滴等大厂，想通过自己的事迹告诉大家，努力是会有收获的！

双非本两年经验，我是如何拿下阿里、百度、美团、滴滴、快手、拼多多等大厂offer的？

我们下期再见。

从清晨走过，也拥抱夜晚的星辰，人生没有捷径，你我皆平凡，你好，陌生人，一起共勉。