flink 编程模型及核心概念

flink 编程模型及核心概念

抽象层级：

各种分布式处理框架处理流程比较：

DataSet and DataStream

​ 批处理：DataSet

​ 流处理：DataStream

flink编程模型：

Flink程序看起来像是转换数据集合的常规程序。每个程序包含相同的基本部分：

1. 获得一个execution environment。

   getExecutionEnvironment()
   
   createLocalEnvironment()
   
   createRemoteEnvironment(String host, int port, String... jarFiles)
   

2. 加载/创建初始数据。

   final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
   
   DataStream text = env.readTextFile("file:///path/to/file");
   

3. 指定此数据的转换。

   val input: DataSet[String] = ...
   
   val mapped = input.map { x => x.toInt }
   

4. 指定放置计算结果的位置。

   writeAsText(path: String)
   
   print()
   

5. 触发程序执行。(流处理)

   execute()
   

   一、数据key值指定：

   使用场景：

   某些转换（join，coGroup，keyBy，groupBy）要求在元素集合上定义键。其他转换（Reduce，GroupReduce，Aggregate，Windows）允许数据在应用之前在key上分组。

   DataSet(groupBy)

   DataSet<...> input = // [...]
   DataSet<...> reduced = input
     .groupBy(/*define key here*/)
     .reduceGroup(/*do something*/);	
   

   DataStream(keyBy)

   DataStream<...> input = // [...]
   DataStream<...> windowed = input
     .keyBy(/*define key here*/)
     .window(/*window specification*/);
   

   （1）元组的键创建

   [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VTDwOlm9-1634026908876)(https://raw.githubusercontent.com/dingzhenying/MDGif/master/img/20190704153640.png)]

   （2）使用Field Expressions定义键

   ​ 您可以使用基于字符串的字段表达式来引用嵌套字段，并定义用于分组，排序，连接或coGrouping的键。

   字段表达式可以非常轻松地选择（嵌套）复合类型中的字段，例如Tuple和POJO类型。

   // some ordinary POJO (Plain old Java Object)
   class WC(var word: String, var count: Int) {
     def this() { this("", 0L) }
   }
   val words: DataStream[WC] = // [...]
   val wordCounts = words.keyBy("word").window(/*window specification*/)
   
   // or, as a case class, which is less typing
   case class WC(word: String, count: Int)
   val words: DataStream[WC] = // [...]
   val wordCounts = words.keyBy("word").window(/*window specification*/)
   

   字段表达式语法：

   • 按字段名称选择POJO字段。例如，"user"指POJO类型的“user”字段。
   • 通过1偏移字段名称或0偏移字段索引选择元组字段。例如"_1"，分别"5"引用Scala Tuple类型的第一个和第六个字段。
   • 您可以在POJO和Tuples中选择嵌套字段。例如，"user.zip"指POJO的“zip”字段，其存储在POJO类型的“user”字段中。支持POJO和元组的任意嵌套和混合，例如"_2.user.zip"或"user._4.1.zip"。
   • 您可以使用"_"通配符表达式选择完整类型。这也适用于非Tuple或POJO类型的类型。

   class WC(var complex: ComplexNestedClass, var count: Int) {
     def this() { this(null, 0) }
   }
   
   class ComplexNestedClass(
       var someNumber: Int,
       someFloat: Float,
       word: (Long, Long, String),
       hadoopCitizen: IntWritable) {
     def this() { this(0, 0, (0, 0, ""), new IntWritable(0)) }
   }
   

   这些是上面示例代码的有效字段表达式：

   • "count"：类中的count字段WC。
   • "complex"：递归选择POJO类型的字段复合体的所有字段ComplexNestedClass。
   • "complex.word._3"：选择嵌套的最后一个字段Tuple3。
   • "complex.hadoopCitizen"：选择Hadoop IntWritable类型。