connect flink_Flink从入门到入土（详细教程）
和其他所有的计算框架一样，flink也有一些基础的开发步骤以及基础，核心的API，从开发步骤的角度来讲，主要分为四大部分
1.Environment
Flink Job在提交执行计算时，需要首先建立和Flink框架之间的联系，也就指的是当前的flink运行环境，只有获取了环境信息，才能将task调度到不同的taskManager执行。而这个环境对象的获取方式相对比较简单
//批处理环境
val env =ExecutionEnvironment.getExecutionEnvironment//流式数据处理环境
val env = StreamExecutionEnvironment.getExecutionEnvironment
2.Source
Flink框架可以从不同的来源获取数据，将数据提交给框架进行处理, 我们将获取数据的来源称之为数据源.
2.1.从集合读取数据
一般情况下，可以将数据临时存储到内存中，形成特殊的数据结构后，作为数据源使用。这里的数据结构采用集合类型是比较普遍的
importorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：从集合读取数据*/object SourceList {
def main(args: Array[String]): Unit={//1.创建执行的环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment//2.从集合中读取数据
val sensorDS: DataStream[WaterSensor] =env.fromCollection(//List(1,2,3,4,5)
List(
WaterSensor("ws_001", 1577844001, 45.0),
WaterSensor("ws_002", 1577844015, 43.0),
WaterSensor("ws_003", 1577844020, 42.0)
)
)//3.打印
sensorDS.print()//4.执行
env.execute("sensor")
}/*** 定义样例类：水位传感器：用于接收空高数据
*
*@paramid 传感器编号
*@paramts 时间戳
*@paramvc 空高*/
case classWaterSensor(id: String, ts: Long, vc: Double)
}
2.2从文件中读取数据
通常情况下，我们会从存储介质中获取数据，比较常见的就是将日志文件作为数据源
importorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：从文件读取数据*/object SourceFile {
def main(args: Array[String]): Unit={//1.创建执行的环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment//2.从指定路径获取数据
val fileDS: DataStream[String] = env.readTextFile("input/data.log")//3.打印
fileDS.print()//4.执行
env.execute("sensor")
}
}/*** 在读取文件时，文件路径可以是目录也可以是单一文件。如果采用相对文件路径，会从当前系统参数user.dir中获取路径
* System.getProperty("user.dir")*/
/*** 如果在IDEA中执行代码，那么系统参数user.dir自动指向项目根目录，
* 如果是standalone集群环境, 默认为集群节点根目录，当然除了相对路径以外，
* 也可以将路径设置为分布式文件系统路径，如HDFS
val fileDS: DataStream[String] =
env.readTextFile( "hdfs://hadoop02:9000/test/1.txt")*/
如果是standalone集群环境, 默认为集群节点根目录，当然除了相对路径以外，也可以将路径设置为分布式文件系统路径，如HDFS
val fileDS: DataStream[String] =env.readTextFile("hdfs://hadoop02:9000/test/1.txt")
默认读取时，flink的依赖关系中是不包含Hadoop依赖关系的，所以执行上面代码时，会出现错误。
解决方法就是增加相关依赖jar包就可以了
2.3 kafka读取数据
Kafka作为消息传输队列，是一个分布式的，高吞吐量，易于扩展地基于主题发布/订阅的消息系统。在现今企业级开发中，Kafka 和 Flink成为构建一个实时的数据处理系统的首选
2.3.1 引入kafka连接器的依赖
org.apache.flink
flink-connector-kafka-0.11_2.11
1.10.0
2.3.2 代码实现参考
importjava.util.Propertiesimportorg.apache.flink.streaming.api.scala._importorg.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer011importorg.apache.flink.streaming.util.serialization.SimpleStringSchema/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：从kafka读取数据*/object SourceKafka {
def main(args: Array[String]): Unit={
val env: StreamExecutionEnvironment=StreamExecutionEnvironment.getExecutionEnvironment
val properties= newProperties()
properties.setProperty("bootstrap.servers", "hadoop02:9092")
properties.setProperty("group.id", "consumer-group")
properties.setProperty("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")
properties.setProperty("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer")
properties.setProperty("auto.offset.reset", "latest")
val kafkaDS: DataStream[String]=env.addSource(newFlinkKafkaConsumer011[String]("sensor",newSimpleStringSchema(),
properties)
)
kafkaDS.print()
env.execute("sensor")
}
}
2.4 自定义数据源
大多数情况下，前面的数据源已经能够满足需要，但是难免会存在特殊情况的场合，所以flink也提供了能自定义数据源的方式
2.4.1 创建自定义数据源
importcom.atyang.day01.Source.SourceList.WaterSensorimportorg.apache.flink.streaming.api.functions.source.SourceFunctionimportscala.util.Random/*** description: ss
* date: 2020/8/28 20:36
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：自定义数据源*/
class MySensorSource extendsSourceFunction[WaterSensor] {
var flg= trueoverride def run(ctx: SourceFunction.SourceContext[WaterSensor]): Unit={while( flg ) {//采集数据
ctx.collect(
WaterSensor("sensor_" +new Random().nextInt(3),1577844001,new Random().nextInt(5)+40)
)
Thread.sleep(100)
}
}
override def cancel(): Unit={
flg= false;
}
}
3.Transform
在Spark中，算子分为转换算子和行动算子，转换算子的作用可以通过算子方法的调用将一个RDD转换另外一个RDD，Flink中也存在同样的操作，可以将一个数据流转换为其他的数据流。
转换过程中，数据流的类型也会发生变化，那么到底Flink支持什么样的数据类型呢，其实我们常用的数据类型，Flink都是支持的。比如：Long, String, Integer, Int, 元组，样例类，List, Map等。
3.1 map
映射：将数据流中的数据进行转换, 形成新的数据流，消费一个元素并产出一个元素
参数：Scala匿名函数或MapFunction
返回：DataStream
importorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：从集合读取数据*/object Transfrom_map {
def main(args: Array[String]): Unit={//1.创建执行的环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment//2.从集合中读取数据
val sensorDS: DataStream[WaterSensor] =env.fromCollection(//List(1,2,3,4,5)
List(
WaterSensor("ws_001", 1577844001, 45.0),
WaterSensor("ws_002", 1577844015, 43.0),
WaterSensor("ws_003", 1577844020, 42.0)
)
)
val sensorDSMap= sensorDS.map(x => (x.id+"_1",x.ts+"_1",x.vc + 1))//3.打印
sensorDSMap.print()//4.执行
env.execute("sensor")
}/*** 定义样例类：水位传感器：用于接收空高数据
*
*@paramid 传感器编号
*@paramts 时间戳
*@paramvc 空高*/
case classWaterSensor(id: String, ts: Long, vc: Double)
}
3.1.1 MapFunction
Flink为每一个算子的参数都至少提供了Scala匿名函数和函数类两种的方式，其中如果使用函数类作为参数的话，需要让自定义函数继承指定的父类或实现特定的接口。例如：MapFunction
sensor-data.log 文件数据
sensor_1,1549044122,10sensor_1,1549044123,20sensor_1,1549044124,30sensor_2,1549044125,40sensor_1,1549044126,50sensor_2,1549044127,60sensor_1,1549044128,70sensor_3,1549044129,80sensor_3,1549044130,90sensor_3,1549044130,100
importorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：从文件读取数据*/object SourceFileMap {
def main(args: Array[String]): Unit={//1.创建执行的环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment//2.从指定路径获取数据
val fileDS: DataStream[String] = env.readTextFile("input/sensor-data.log")
val MapDS=fileDS.map(
lines=>{//更加逗号切割 获取每个元素
val datas: Array[String] = lines.split(",")
WaterSensor(datas(0), datas(1).toLong, datas(2).toInt)
}
)//3.打印
MapDS.print()//4.执行
env.execute("map")
}/*** 定义样例类：水位传感器：用于接收空高数据
*
*@paramid 传感器编号
*@paramts 时间戳
*@paramvc 空高*/
case classWaterSensor(id: String, ts: Long, vc: Double)
}
importorg.apache.flink.api.common.functions.MapFunctionimportorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：从文件读取数据*/object Transform_MapFunction {
def main(args: Array[String]): Unit={//1.创建执行的环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment//2.从指定路径获取数据
val sensorDS: DataStream[String] = env.readTextFile("input/sensor-data.log")
sensorDS.map()//3.打印//MapDS.print()//4.执行
env.execute("map")
}/*** 自定义继承 MapFunction
* MapFunction[T,O]
* 自定义输入和输出
**/
class MyMapFunction extendsMapFunction[String,WaterSensor]{
override def map(t: String): WaterSensor={
val datas: Array[String]= t.split(",")
WaterSensor(datas(0),datas(1).toLong,datas(2).toInt)
}
}/*** 定义样例类：水位传感器：用于接收空高数据
*
*@paramid 传感器编号
*@paramts 时间戳
*@paramvc 空高*/
case classWaterSensor(id: String, ts: Long, vc: Double)
}
3.1.2 RichMapFunction
所有Flink函数类都有其Rich版本。它与常规函数的不同在于，可以获取运行环境的上下文，并拥有一些生命周期方法，所以可以实现更复杂的功能。也有意味着提供了更多的，更丰富的功能。例如：RichMapFunction
sensor-data.log 文件数据 同上一致
importorg.apache.flink.api.common.functions.{MapFunction, RichMapFunction}importorg.apache.flink.configuration.Configurationimportorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：从文件读取数据*/object Transform_RichMapFunction {
def main(args: Array[String]): Unit={//1.创建执行的环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment//2.从指定路径获取数据
val sensorDS: DataStream[String] = env.readTextFile("input/sensor-data.log")
val myMapDS: DataStream[WaterSensor]= sensorDS.map(newMyRichMapFunction)//3.打印
myMapDS.print()//4.执行
env.execute("map")
}/*** 自定义继承 MapFunction
* MapFunction[T,O]
* 自定义输入和输出
**/
class MyRichMapFunction extendsRichMapFunction[String,WaterSensor]{
override def map(value: String): WaterSensor={
val datas: Array[String]= value.split(",")//WaterSensor(datas(0), datas(1).toLong, datas(2).toInt)
WaterSensor(getRuntimeContext.getTaskName, datas(1).toLong, datas(2).toInt)
}//富函数提供了生命周期方法
override def open(parameters: Configuration): Unit ={}
override def close(): Unit={}
}/*** 定义样例类：水位传感器：用于接收空高数据
*
*@paramid 传感器编号
*@paramts 时间戳
*@paramvc 空高*/
case classWaterSensor(id: String, ts: Long, vc: Double)
}
Rich Function有一个生命周期的概念。典型的生命周期方法有：
open()方法是rich function的初始化方法，当一个算子例如map或者filter被调 用之前open()会被调用
close()方法是生命周期中的最后一个调用的方法，做一些清理工作
getRuntimeContext()方法提供了函数的RuntimeContext的一些信息，例如函数执行 的并行度，任务的名字，以及state状态
3.1.3 flatMap
扁平映射：将数据流中的整体拆分成一个一个的个体使用，消费一个元素并产生零到多个元素
参数：Scala匿名函数或FlatMapFunction
返回：DataStream
importorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：FlatMap*/object Transform_FlatMap {
def main(args: Array[String]): Unit={//1.创建执行环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)//2.读取数据
val listDS: DataStream[List[Int]] =env.fromCollection(
List(
List(1, 2, 3, 4),
List(5, 6, 7,1,1,1)
)
)
val resultDS: DataStream[Int]= listDS.flatMap(list =>list)
resultDS.print()//4. 执行
env.execute()
}
}
3.2. filter
过滤：根据指定的规则将满足条件(true)的数据保留，不满足条件(false)的数据丢弃
参数：Scala匿名函数或FilterFunction
返回：DataStream
importorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：Filter*/object Transform_Filter {
def main(args: Array[String]): Unit={//1.创建执行环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)//2.读取数据
val listDS: DataStream[List[Int]] =env.fromCollection(
List(
List(1, 2, 3, 4,1, 2, 3, 4),
List(5, 6, 7,1,1,1,1, 2, 3, 4,1, 2, 3, 4),
List(1, 2, 3, 4),
List(5, 6, 7,1,1,1),
List(1, 2, 3, 4),
List(5, 6, 7,1,1,1)
)
)//true就留下，false就抛弃
listDS.filter(num =>{
num.size>5})
.print("filter")//4. 执行
env.execute()
}
}
3.3 keyBy
在Spark中有一个GroupBy的算子，用于根据指定的规则将数据进行分组，在flink中也有类似的功能，那就是keyBy，根据指定的key对数据进行分流
分流：根据指定的Key将元素发送到不同的分区，相同的Key会被分到一个分区(这里分区指的就是下游算子多个并行节点的其中一个)。keyBy()是通过哈希来分区的
参数：Scala匿名函数或POJO属性或元组索引，不能使用数组
返回：KeyedStream
importorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：FlatMap*/object Transform_KeyBy {
def main(args: Array[String]): Unit={//1.创建执行环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)//2.读取数据
val sensorDS: DataStream[String] = env.readTextFile("input/sensor-data.log")//3.转换为样例类
val mapDS =sensorDS.map(
lines=>{
val datas= lines.split(",")
WaterSensor(datas(0), datas(1).toLong, datas(2).toInt)
}
)//4. 使用keyby进行分组//TODO 关于返回的key的类型：//1. 如果是位置索引 或 字段名称 ，程序无法推断出key的类型，所以给一个java的Tuple类型//2. 如果是匿名函数 或 函数类 的方式，可以推断出key的类型，比较推荐使用//*** 分组的概念：分组只是逻辑上进行分组,打上了记号(标签)，跟并行度没有绝对的关系//同一个分组的数据在一起(不离不弃)//同一个分区里可以有多个不同的组//val sensorKS: KeyedStream[WaterSensor, Tuple] = mapDS.keyBy(0)//val sensorKS: KeyedStream[WaterSensor, Tuple] = mapDS.keyBy("id")
val sensorKS: KeyedStream[WaterSensor, String] =mapDS.keyBy(_.id)//val sensorKS: KeyedStream[WaterSensor, String] = mapDS.keyBy(//new KeySelector[WaterSensor, String] {//override def getKey(value: WaterSensor): String = {//value.id//}//}//)
sensorKS.print().setParallelism(5)//4. 执行
env.execute()
}/*** 定义样例类：水位传感器：用于接收空高数据
*
*@paramid 传感器编号
*@paramts 时间戳
*@paramvc 空高*/
case classWaterSensor(id: String, ts: Long, vc: Double)
}
3.4 shuffle
打乱重组(洗牌)：将数据按照均匀分布打散到下游
参数：无
返回：DataStream
importorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：FlatMap*/object Transform_Shuffle {
def main(args: Array[String]): Unit={//1.创建执行环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)//2.读取数据
val sensorDS: DataStream[String] = env.readTextFile("input/sensor-data.log")
val shuffleDS=sensorDS.shuffle
sensorDS.print("data")
shuffleDS.print("shuffle")//4. 执行
env.execute()
}
}
3.5. split
在某些情况下，我们需要将数据流根据某些特征拆分成两个或者多个数据流，给不同数据流增加标记以便于从流中取出。
需求：将水位传感器数据按照空高高低(以40cm,30cm为界)，拆分成三个流
importorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：FlatMap*/object Transform_Split {
def main(args: Array[String]): Unit={//1.创建执行环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)//2.读取数据
val sensorDS: DataStream[String] = env.readTextFile("input/sensor-data.log")//3.转换成样例类
val mapDS: DataStream[WaterSensor] =sensorDS.map(
lines=>{
val datas: Array[String]= lines.split(",")
WaterSensor(datas(0), datas(1).toLong, datas(2).toInt)
}
)
val splitSS: SplitStream[WaterSensor]=mapDS.split(
sensor=>{if (sensor.vc < 40) {
Seq("normal")
}else if (sensor.vc < 80) {
Seq("Warn")
}else{
Seq("alarm")
}
}
)//4. 执行
env.execute()
}/*** 定义样例类：水位传感器：用于接收空高数据
*
*@paramid 传感器编号
*@paramts 时间戳
*@paramvc 空高*/
case classWaterSensor(id: String, ts: Long, vc: Double)
}
3.6 select
将数据流进行切分后，如何从流中将不同的标记取出呢，这时就需要使用select算子了。
importorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：FlatMap*/object Transform_Split {
def main(args: Array[String]): Unit={//1.创建执行环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)//2.读取数据
val sensorDS: DataStream[String] = env.readTextFile("input/sensor-data.log")//3.转换成样例类
val mapDS: DataStream[WaterSensor] =sensorDS.map(
lines=>{
val datas: Array[String]= lines.split(",")
WaterSensor(datas(0), datas(1).toLong, datas(2).toInt)
}
)
val splitDS: SplitStream[WaterSensor]=mapDS.split(
sensor=>{if (sensor.vc < 40) {
Seq("info")
}else if (sensor.vc < 80) {
Seq("warn")
}else{
Seq("error")
}
}
)
val errorDS: DataStream[WaterSensor]= splitDS.select("error")
val warnDS: DataStream[WaterSensor]= splitDS.select("warn")
val infoDS: DataStream[WaterSensor]= splitDS.select("info")
infoDS.print("info")
warnDS.print("warn")
errorDS.print("error")//4. 执行
env.execute()
}/*** 定义样例类：水位传感器：用于接收空高数据
*
*@paramid 传感器编号
*@paramts 时间戳
*@paramvc 空高*/
case classWaterSensor(id: String, ts: Long, vc: Double)
}
3.7 connect
在某些情况下，我们需要将两个不同来源的数据流进行连接，实现数据匹配，比如订单支付和第三方交易信息，这两个信息的数据就来自于不同数据源，连接后，将订单支付和第三方交易信息进行对账，此时，才能算真正的支付完成。
Flink中的connect算子可以连接两个保持他们类型的数据流，两个数据流被Connect之后，只是被放在了一个同一个流中，内部依然保持各自的数据和形式不发生任何变化，两个流相互独立。
importorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：FlatMap*/object Transform_Connect {
def main(args: Array[String]): Unit={//1.创建执行环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)//2.读取数据
val sensorDS: DataStream[String] = env.readTextFile("input/sensor-data.log")//3.转换成样例类
val mapDS: DataStream[WaterSensor] =sensorDS.map(
lines=>{
val datas: Array[String]= lines.split(",")
WaterSensor(datas(0), datas(1).toLong, datas(2).toInt)
}
)//4. 从集合中再读取一条流
val numDS: DataStream[Int] = env.fromCollection(List(1, 2, 3, 4, 5, 6))
val resultCS: ConnectedStreams[WaterSensor, Int]=mapDS.connect(numDS)//coMap表示连接流调用的map，各自都需要一个 function
resultCS.map(
sensor=>sensor.id,
num=>num+1).print()//4. 执行
env.execute()
}/*** 定义样例类：水位传感器：用于接收空高数据
*
*@paramid 传感器编号
*@paramts 时间戳
*@paramvc 空高*/
case classWaterSensor(id: String, ts: Long, vc: Double)
}
3.8 union
对两个或者两个以上的DataStream进行union操作，产生一个包含所有DataStream元素的新DataStream
connect与 union 区别：
union之前两个流的类型必须是一样，connect可以不一样
connect只能操作两个流，union可以操作多个。
importorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：FlatMap*/object Transform_Union {
def main(args: Array[String]): Unit={//1.创建执行环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)//2. 从集合中读取流
val num1DS: DataStream[Int] = env.fromCollection(List(1, 2, 3, 4))
val num2DS: DataStream[Int]= env.fromCollection(List(7, 8, 9, 10))
val num3DS: DataStream[Int]= env.fromCollection(List(17, 18, 19, 110))//TODO union 真正将多条流合并成一条流//合并的流，类型必须一致//可以合并多条流，只要类型一致
num1DS.union(num2DS).union(num3DS)
.print()//4. 执行
env.execute()
}/*** 定义样例类：水位传感器：用于接收空高数据
*
*@paramid 传感器编号
*@paramts 时间戳
*@paramvc 空高*/
case classWaterSensor(id: String, ts: Long, vc: Double)
}
3.9 Operator
Flink作为计算框架，主要应用于数据计算处理上， 所以在keyBy对数据进行分流后，可以对数据进行相应的统计分析
3.9.1 滚动聚合算子(Rolling Aggregation)
这些算子可以针对KeyedStream的每一个支流做聚合。执行完成后，会将聚合的结果合成一个流返回，所以结果都是DataStream
sum()
min()
max()
3.9.2 reduce
一个分组数据流的聚合操作，合并当前的元素和上次聚合的结果，产生一个新的值，返回的流中包含每一次聚合的结果，而不是只返回最后一次聚合的最终结果。
importorg.apache.flink.streaming.api.scala._/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：Reduce*/object Transform_Reduce {
def main(args: Array[String]): Unit={//1.创建执行环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)//2.读取数据
val sensorDS: DataStream[String] = env.readTextFile("input/sensor-data.log")//3.转换成样例类
val mapDS: DataStream[WaterSensor] =sensorDS.map(
lines=>{
val datas: Array[String]= lines.split(",")
WaterSensor(datas(0), datas(1).toLong, datas(2).toInt)
}
)
val sensorKS: KeyedStream[WaterSensor, String]=mapDS.keyBy(_.id)//输入的类型一样，输出类型和输出类型也要一样//组内的第一条数据，不进入reduce计算
val reduceDS: DataStream[WaterSensor] =sensorKS.reduce(
(ws1, ws2)=>{
println(ws1+ "<===>" +ws2)
WaterSensor(ws1.id, System.currentTimeMillis(), ws1.vc+ws2.vc)
}
)
reduceDS.print("reduce")//4. 执行
env.execute()
}/*** 定义样例类：水位传感器：用于接收空高数据
*
*@paramid 传感器编号
*@paramts 时间戳
*@paramvc 空高*/
case classWaterSensor(id: String, ts: Long, vc: Double)
}
3.9.3process
Flink在数据流通过keyBy进行分流处理后，如果想要处理过程中获取环境相关信息，可以采用process算子自定义实现 1)继承KeyedProcessFunction抽象类，并定义泛型：[KEY, IN, OUT]
class MyKeyedProcessFunction extendsKeyedProcessFunction[String, WaterSensor, String]{}
重写方法//自定义KeyedProcessFunction,是一个特殊的富函数//1.实现KeyedProcessFunction，指定泛型：K - key的类型， I - 上游数据的类型， O - 输出的数据类型//2.重写 processElement方法，定义 每条数据来的时候 的 处理逻辑
/*** 处理逻辑：来一条处理一条
*
*@paramvalue 一条数据
*@paramctx 上下文对象
*@paramout 采集器：收集数据，并输出*/override def processElement(value: WaterSensor, ctx: KeyedProcessFunction[String, WaterSensor, String]#Context, out: Collector[String]): Unit={
out.collect("我来到process啦，分组的key是="+ctx.getCurrentKey+",数据=" +value)//如果key是tuple，即keyby的时候，使用的是 位置索引 或 字段名称，那么key获取到是一个tuple//ctx.getCurrentKey.asInstanceOf[Tuple1].f0//Tuple1需要手动引入Java的Tuple
}
完整代码：
importorg.apache.flink.streaming.api.functions.KeyedProcessFunctionimportorg.apache.flink.streaming.api.scala._importorg.apache.flink.util.Collector/*** description: SourceList
* date: 2020/8/28 19:02
* version: 1.0
*
*@author阳斌
* 邮箱：[email protected]
* 类的说明：Reduce*/object Transform_Process {
def main(args: Array[String]): Unit={//1.创建执行环境
val env: StreamExecutionEnvironment =StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)//2.读取数据
val sensorDS: DataStream[String] = env.readTextFile("input/sensor-data.log")//3.转换成样例类
val mapDS: DataStream[WaterSensor] =sensorDS.map(
lines=>{
val datas: Array[String]= lines.split(",")
WaterSensor(datas(0), datas(1).toLong, datas(2).toInt)
}
)//按照ID 进行分组
val sensorKS: KeyedStream[WaterSensor, String] =mapDS.keyBy(_.id)
sensorKS.process(newMyKeyedProcessFunction)//4. 执行
env.execute()
}//自定义KeyedProcessFunction,是一个特殊的富函数//1.实现KeyedProcessFunction，指定泛型：K - key的类型， I - 上游数据的类型， O - 输出的数据类型//2.重写 processElement方法，定义 每条数据来的时候 的 处理逻辑
class MyKeyedProcessFunction extendsKeyedProcessFunction[String, WaterSensor, String] {/*** 处理逻辑：来一条处理一条
*
*@paramvalue 一条数据
*@paramctx 上下文对象
*@paramout 采集器：收集数据，并输出*/override def processElement(value: WaterSensor, ctx: KeyedProcessFunction[String, WaterSensor, String]#Context, out: Collector[String]): Unit={
out.collect("我来到process啦，分组的key是="+ctx.getCurrentKey+",数据=" +value)//如果key是tuple，即keyby的时候，使用的是 位置索引 或 字段名称，那么key获取到是一个tuple//ctx.getCurrentKey.asInstanceOf[Tuple1].f0//Tuple1需要手动引入Java的Tuple
}
}/*** 定义样例类：水位传感器：用于接收空高数据
*
*@paramid 传感器编号
*@paramts 时间戳
*@paramvc 空高*/
case classWaterSensor(id: String, ts: Long, vc: Double)
}
4.Sink
Sink有下沉的意思，在Flink中所谓的Sink其实可以表示为将数据存储起来的意思，也可以将范围扩大，表示将处理完的数据发送到指定的存储系统的输出操作
之前我们一直在使用的print方法其实就是一种Sink。
@PublicEvolvingpublic DataStreamSinkprint(String sinkIdentifier) {
PrintSinkFunction printFunction = new PrintSinkFunction(sinkIdentifier, false);return this.addSink(printFunction).name("Print to Std. Out");
}
官方提供了一部分的框架的sink。除此以外，需要用户自定义实现sink
本文作者：Java知音@阳斌