DataStream
1. map/flatMap
- MapFunction
O map(T value) throws Exception;
输入一个元素，输出一个元素，其中包含了变换逻辑
- RichMapFunction
继承了MapFunction，可以获取RuntimeContext，用于查询当前算子当前并发的运行状态、accumulator以及broadcast variables等。
- FlatMapFunction
void flatMap(T value, Collector out) throws Exception;
输入一个元素，输出若干个元素（可以是0个），其中包含了变换逻辑
- RichFlatMapFunction
类似RichMapFunction
2. filter
- FilterFunction
boolean filter(T value) throws Exception;
包含筛选逻辑，需要保留的返回true，否则返回false
3. process
- ProcessFunction
void processElement(I value, Context ctx, Collector out)
用于处理数据，out用于向下游发射数据，ctx则用于查询时间戳、注册TimerService等等，也可以获取state用于暂时存储数据
onTimer(long timestamp, OnTimerContext ctx, Collector out)
注册了TimerService后（同一个时间戳多次注册只会触发一次），当watermark没过这个时间戳时，就会触发事件，调用onTimer方法，可以执行一些逻辑，比如把统计的结果合并成一条记录，用out输出等等
4. project
SingleOutputStreamOperator project(int... fieldIndexes)
只有Tuple才能这样操作，就是将原来的Tuple映射成新的Tuple，fieldIndexes表示原来的Tuple中的数据的索引，取出的数据按fieldIndexes的顺序，排成新的Tuple
5. windowAll / countWindowAll / timeWindowAll
表示以不同的方式获取不分key的AllWindowedStream
6. addSink / print/printToErr / writeAsText / writeAsText / writeToSocket / writeUsingOutputFormat
各种花式输出~
AllWindowedStream
1. reduce
将一个流的一个window的数据聚合成一个数据，数据类型一致
- ReduceFunction
T reduce(T value1, T value2) throws Exception;
输入两个数据，输出一个数据，其中包含了归并的逻辑，算子会不断重复，直至剩下一个元素。用户需要自己保证reduce方法的结果与元素的处理先后、组合方式无关。
2. aggregate
将一个窗口的数据聚合成一条，与reduce类似，但是更灵活
- AggregateFunction
ACC createAccumulator();
创建一个累加器，用于保存状态，最好是增量的，可以节约存储，不用保存所有记录
ACC add(IN value, ACC accumulator);
增加一个元素
OUT getResult(ACC accumulator);
从accumulator中获得输出元素
ACC merge(ACC a, ACC b);
用于合并accumulator，复用对象，调用这个方法后，之前的accumulator就不再用了
- AllWindowFunction
void apply(W window, Iterable values, Collector out) throws Exception;
用于将AggregateFunction中合并得到的的OUT 数据通过out输出。这里的IN是AggregateFunction的OUT
- ProcessAllWindowFunction
public abstract void process(Context context, Iterable elements, Collector out) throws Exception;
与AllWindowFunction类似，但是多了可以使用context的功能
3. process
也使用ProcessAllWindowFunction，与aggregate不同的是，处理的是窗口中的每一个元素，而不是聚合后的元素
4. apply
也使用ReduceFunction、AllWindowFunction，与reduce、aggregate不同的是，处理的是窗口中的每一个元素，而不是聚合后的元素
5. fold
FoldFunction
T fold(T accumulator, O value) throws Exception;
与reduce、aggregate类似，把每个数据都归并到一个accumulator中去，最后产生一个输出数据
6. sum / min / max / minBy / maxBy
一些预定义好的聚合方法，按字面意思
7. sideOutputLateData
sideOutputLateData(OutputTag
将迟到的数据输出，outputTag是输出流的tag
可以通过SingleOutputStreamOperator#getSideOutput(OutputTag)来获得迟到数据的流
KeyedStream
1. reduce
2. aggregate
3. process
4. fold
5. sum / min / max / minBy / maxBy
6. window / countWindow / timeWindow
方法的作用与DataStream类似，表示以不同的方式获取分key的WindowedStream
WindowedStream
1. reduce
2. aggregate
3. process
4. apply
5. fold
6. sum / min / max / minBy / maxBy
7. sideOutputLateData
方法的作用与AllWindowStream类似，只是作用于某个pane（也就是window中单独的key的数据）