2.Flink应用

2.1 数据流

 

1. DataStream：DataStream是Flink数据流的核心抽象，其上定义了对数据流的一系列操作
2. DataStreamSource：DataStreamSource 是 DataStream 的 起 点 ， DataStreamSource 在StreamExecutionEnvironment 中 创 建 ， 由 StreamExecutionEnvironment.addSource（SourceFunction）创建而来，其中SourceFunction中包含了DataStreamSource从数据源读取数 据的具体逻辑。
3. DataStreamSink：数据从DataSourceStream中读取，经过中间的一系列处理操作，最 终 需 要 写 出 到 外 部 存 储 ， 通 过DataStream.addSink（sinkFunction）创建而来，其中SinkFunction定义了写出数据到外部存储的具体逻辑。
4. KeyedStream：KeyedStream用来表示根据指定的key进行分组的数据流。一个KeyedStream 可 以 通 过 调 用 DataStream.keyBy （ ） 来 获 得 。 而 在 KeyedStream上进行任何Transformation都将转变回DataStream。在实现中，KeyedStream把key的信息写入了Transformation中。每条记录只能访问所属key的状态，其上的聚合函数可以方便地操作和保存对应key的状态。
5. WindowedStream & AllWindowedStream：WindowedStream代表了根据key分组且基于WindowAssigner切分窗口的数据流。所以WindowedStream都是从KeyedStream衍生而来的，在WindowedStream 上 进 行 任 何 Transformation 也 都 将 转 变 回DataStream。
6. JoinedStreams & CoGroupedStreams：JoinedStreams 底 层 使 用CoGroupedStreams来实现。
7. ConnectedStreams：ConnectedStreams表示两个数据流的组合，两个数据流可以类型一样，也可以类型不一样。
8. BroadcastStream & BroadcastConnectedStream：BroadcastConnectedStream 一 般 由 DataStream/KeyedDataStream与BroadcastStream连接而来，类似于ConnectedStream。
9. IterativeStream：IterativeDataStream是对一个DataStream的迭代操作，从逻辑上来说，包含IterativeStream的Dataflow是一个有向有环图，在底层执行层面上，Flink对其进行了特殊处理。
10. AsyncDataStream：AsyncDataStream是个工具，提供在DataStream上使用异步函数的能力。

2.2 处理函数

 

1. Map：1进1出
2. FlatMap：1进多出
3. Filter：返回true继续传递
4. KeyBy：进行逻辑分组
5. Reduce：增量合并：按照KeyedStream中的逻辑分组，将当前数据与最后一次的Reduce结果进行合并。
6. Aggregation：渐进聚合，可以设置初始值。
7. Window：对KeyedStream的数据，按照Key进行时间窗口切分。
8. WindowAll：对一般的DataStream进行时间窗口切分，即全局1个窗口。
9. Union：把两个或多个DataStream合并，要求数据类型一致。
10. connect：只能合并2个流，数据类型可以不一致。可以共享状态
11. Join：在相同时间范围的窗口上Join两个DataStream数据流，输出结果为DataStream。
12. Interval Join：对满足时间范围的两个KeyedStream进行Join，和Join时使用的Key，输出结果为DataStream。
13. WindowCoGroup：两个DataStream在相同时间窗口上应用CoGroup运算，输出结果为DataStream，CoGroup和Join功能类似，但是更加灵活。
14. Split：切分流，前后流数据类型一致（侧输出可以不一致）
15. Select:与 Split 运 算 配 合 使 用 ， 在 Split 运 算 中 切 分 的 多 个DataStream中选择一个。
16. Iterate：在数据流中创建一个迭代循环，即将下游的输出发送给上游重新处理。IteractiveStream本质上来说是一种中间数据流对象。
17. Extract Timestamps：从记录中提取时间戳，并生成Watermark。
18. Project：该类运算只适用于Tuple类型的DataStream，使用Project选取子Tuple，可以选择Tuple的部分元素，可以改变元素顺序。