网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
云化数据中心 CloudDC
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘平台 IEF
CloudPond云服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
数字内容生产线 MetaStudio
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务

Flink Scala API接口介绍

更新时间:2024-07-01 GMT+08:00
分享

由于Flink开源版本升级,为避免出现API兼容性或可靠性问题,建议用户使用配套版本的API。

Flink常用接口

Flink主要使用到如下这几个类:

  • StreamExecutionEnvironment:是Flink流处理的基础,提供了程序的执行环境。
  • DataStream:Flink用特别的类DataStream来表示程序中的流式数据。用户可以认为它们是含有重复数据的不可修改的集合(collection),DataStream中元素的数量是无限的。
  • KeyedStream:DataStream通过keyBy分组操作生成流,数据经过对设置的key值进行分组。
  • WindowedStream:KeyedStream通过window窗口函数生成的流,设置窗口类型并且定义窗口触发条件,然后在窗口数据上进行一些操作。
  • AllWindowedStream:DataStream通过window窗口函数生成的流,设置窗口类型并且定义窗口触发条件,然后在窗口数据上进行一些操作。
  • ConnectedStreams:将两条DataStream流连接起来并且保持原有流数据的类型,然后进行map或者flatMap操作。
  • JoinedStreams:在窗口上对数据进行等值join操作,join操作是coGroup操作的一种特殊场景。
  • CoGroupedStreams:在窗口上对数据进行coGroup操作,可以实现流的各种join类型。
图1 Flink Stream的各种流类型转换

流数据输入

表1 流数据输入的相关接口

API

说明

def fromElements[T: TypeInformation](data: T*): DataStream[T]

获取用户定义的多个元素的数据,作为输入流数据。

data是多个元素的具体数据。

def fromCollection[T: TypeInformation](data: Seq[T]): DataStream[T]

获取用户定义的集合数据,作为输入流数据。

data可以是集合数据或者可迭代的数据体。

def fromCollection[T: TypeInformation] (data: Iterator[T]): DataStream[T]

def fromParallelCollection[T: TypeInformation] (data: SplittableIterator[T]): DataStream[T]

获取用户定义的集合数据,作为输入并行流数据。

data是可被分割成多个partition的迭代数据体。

def generateSequence(from: Long, to: Long): DataStream[Long]

获取用户定义的一串序列数据,作为输入流数据。

  • from是指数值串的起点。
  • to是指数值串的终点。

def readTextFile(filePath: String): DataStream[String]

获取用户定义的某路径下的文本文件数据,作为输入流数据。

  • filePath是指文本文件的路径。
  • charsetName指的是编码格式的名字。

def readTextFile(filePath: String, charsetName: String): DataStream[String]

def readFile[T: TypeInformation](inputFormat: FileInputFormat[T], filePath: String)

获取用户定义的某路径下的文件数据,作为输入流数据。

  • filePath是指文件的路径。
  • inputFormat是指文件的格式。
  • watchType指的是文件的处理模式“PROCESS_ONCE”或者“PROCESS_CONTINUOUSLY”。
  • interval指的是多长时间判断目录或文件变化进行处理。

def readFile[T: TypeInformation](inputFormat: FileInputFormat[T], filePath: String, watchType: FileProcessingMode, interval: Long): DataStream[T]

def socketTextStream(hostname: String, port: Int, delimiter: Char = '\n', maxRetry: Long = 0): DataStream[String]

获取用户定义的Socket数据,作为输入流数据。

  • hostname是指Socket的服务器端的主机名称。
  • port指的是服务器的监测端口。
  • delimiter和maxRetry两个参数scala接口暂时不支持设置。

def addSource[T: TypeInformation](function: SourceFunction[T]): DataStream[T]

用户自定义SourceFunction,addSource方法可以添加Kafka等数据源,主要实现方法为SourceFunction的run。

  • function指的是用户自定义的SourceFunction函数。
  • scala支持简化写法。

def addSource[T: TypeInformation](function: SourceContext[T] => Unit): DataStream[T]

数据输出

表2 数据输出的相关接口

API

说明

def print(): DataStreamSink[T]

数据输出以标准输出流打印出来。

def printToErr()

数据输出以标准error输出流打印出来。

def writeAsText(path: String): DataStreamSink[T]

数据输出写入到某个文本文件中。

  • path指的是文本文件的路径。
  • writeMode为文本文件写入模式“OVERWRITE”或者“NO_OVERWRITE”。

def writeAsText(path: String, writeMode: FileSystem.WriteMode): DataStreamSink[T]

def writeAsCsv(path: String): DataStreamSink[T]

数据输出写入到某个csv格式的文件中。

  • path指的是文本文件的路径。
  • writeMode为文本文件写入模式“OVERWRITE”或者“NO_OVERWRITE”。
  • rowDelimiter为行分隔符。
  • fieldDelimiter为列分隔符。

def writeAsCsv(path: String, writeMode: FileSystem.WriteMode): DataStreamSink[T]

def writeAsCsv(path: String, writeMode: FileSystem.WriteMode, rowDelimiter: String, fieldDelimiter: String): DataStreamSink[T]

def writeUsingOutputFormat(format: OutputFormat[T]): DataStreamSink[T]

数据输出到普通文件中,例如二进制文件。

def writeToSocket(hostname: String, port: Integer, schema: SerializationSchema[T]): DataStreamSink[T]

数据输出写入到Socket连接中。

  • hostName为主机名称。
  • port为端口。

def addSink(sinkFunction: SinkFunction[T]): DataStreamSink[T]

用户自定义的数据输出,addSink方法通过flink-connectors支持数据输出到Kafka,主要实现方法为SinkFunction的invoke方法。

def addSink(fun: T => Unit): DataStreamSink[T]

过滤和映射能力

表3 过滤和映射能力的相关接口

API

说明

def map[R: TypeInformation](fun: T => R): DataStream[R]

输入一个元素,生成另一个元素,元素类型不变。

def map[R: TypeInformation](mapper: MapFunction[T, R]): DataStream[R]

def flatMap[R: TypeInformation](flatMapper: FlatMapFunction[T, R]): DataStream[R]

输入一个元素,生成零个、一个或者多个元素。

def flatMap[R: TypeInformation](fun: (T, Collector[R]) => Unit): DataStream[R]

def flatMap[R: TypeInformation](fun: T => TraversableOnce[R]): DataStream[R]

def filter(filter: FilterFunction[T]): DataStream[T]

对每个元素执行一个布尔函数,只保留返回true的元素。

def filter(fun: T => Boolean): DataStream[T]

聚合能力

表4 聚合能力的相关接口

API

说明

def keyBy(fields: Int*): KeyedStream[T, JavaTuple]

将流逻辑分区成不相交的分区,每个分区包含相同key的元素。内部是用hash分区来实现的。这个转换返回了一个KeyedStream。

KeyBy操作之后返回KeyedStream,然后再调用KeyedStream的函数(例如reduce/fold/min/minby/max/maxby/sum/sumby等)进行相应操作。

  • fields为数据某几列的序号。
  • firstField和otherFields为数据结构的成员变量的名称。
  • key为用户自定义的指定分区依据的方法。

def keyBy(firstField: String, otherFields: String*): KeyedStream[T, JavaTuple]

def keyBy[K: TypeInformation](fun: T => K): KeyedStream[T, K]

def reduce(fun: (T, T) => T): DataStream[T]

在一个KeyedStream上“滚动”reduce。合并当前元素与上一个被reduce的值,然后输出新的值。注意三者的类型是一致的。

def reduce(reducer: ReduceFunction[T]): DataStream[T]

def fold[R: TypeInformation](initialValue: R)(fun: (R,T) => R): DataStream[R]

在一个KeyedStream上基于一个初始值“滚动”折叠。合并当前元素和上一个被折叠的值,然后输出新值。注意Fold的输入值与返回值类型可以不一致。

def fold[R: TypeInformation](initialValue: R, folder: FoldFunction[T,R]): DataStream[R]

def sum(position: Int): DataStream[T]

在一个KeyedStream上滚动求和操作。

position和field代表对某一列求和。

def sum(field: String): DataStream[T]

def min(position: Int): DataStream[T]

在一个KeyedStream上滚动求最小值。min返回了最小值,不保证非最小值列的准确性。

position和field代表对某一列求最小值。

def min(field: String): DataStream[T]

def max(position: Int): DataStream[T]

在一个KeyedStream上滚动求最大值。max返回了最大值,不保证非最大值列的准确性。

position和field代表对某一列求最大值。

def max(field: String): DataStream[T]

def minBy(position: Int): DataStream[T]

在一个KeyedStream上求某一列最小值所在的该行数据,minBy返回了该行数据的所有元素。

position和field代表对某一列做minBy操作。

def minBy(field: String): DataStream[T]

def maxBy(position: Int): DataStream[T]

在一个KeyedStream上求某一列最大值所在的该行数据,maxBy返回了该行数据的所有元素。

position和field代表对某一列做maxBy操作。

def maxBy(field: String): DataStream[T]

数据流分发能力

表5 数据流分发能力的相关接口

API

说明

def partitionCustom[K: TypeInformation](partitioner: Partitioner[K], field: Int) : DataStream[T]

使用一个用户自定义的Partitioner对每一个元素选择目标task。

  • partitioner指的是用户自定义的分区类重写partition方法。
  • field指的是partitioner的输入参数。
  • keySelector指的是用户自定义的partitioner的输入参数。

def partitionCustom[K: TypeInformation](partitioner: Partitioner[K], field: String):DataStream[T]

def partitionCustom[K: TypeInformation](partitioner: Partitioner[K], fun: T => K): DataStream[T]

def shuffle: DataStream[T]

以均匀分布的形式将元素随机地进行分区。

def rebalance: DataStream[T]

基于round-robin对元素进行分区,使得每个分区负责均衡。对于存在数据倾斜的性能优化是很有用的。

def rescale: DataStream[T]

以round-robin的形式将元素分区到下游操作的子集中。

说明:

查看代码和rebalance的方式是一样的。

def broadcast: DataStream[T]

广播每个元素到所有分区。

提供设置eventtime属性的能力

表6 提供设置eventtime属性的能力的相关接口

API

说明

def assignTimestampsAndWatermarks(assigner: AssignerWithPeriodicWatermarks[T]): DataStream[T]

为了能让event time窗口可以正常触发窗口计算操作,需要从记录中提取时间戳。

def assignTimestampsAndWatermarks(assigner: AssignerWithPunctuatedWatermarks[T]): DataStream[T]

提供迭代的能力

表7 提供迭代的能力的相关接口

API

说明

def iterate[R](stepFunction: DataStream[T] => (DataStream[T], DataStream[R]),maxWaitTimeMillis:Long = 0,keepPartitioning: Boolean = false) : DataStream[R]

在流(flow)中创建一个带反馈的循环,通过重定向一个operator的输出到之前的operator。

说明:
  • 对于定义一些需要不断更新模型的算法是非常有帮助的。
  • long maxWaitTimeMillis:该超时时间指的是每一轮迭代体执行的超时时间。

def iterate[R, F: TypeInformation](stepFunction: ConnectedStreams[T, F] => (DataStream[F], DataStream[R]),maxWaitTimeMillis:Long): DataStream[R]

提供分流能力

表8 提供分流能力的相关接口

API

说明

def split(selector: OutputSelector[T]): SplitStream[T]

传入OutputSelector,重写select方法确定分流的依据(即打标记),构建SplitStream流。即对每个元素做一个字符串的标记,作为选择的依据,打好标记之后就可以通过标记选出并新建某个标记的流。

def select(outputNames: String*): DataStream[T]

从一个SplitStream中选出一个或多个流。

outputNames指的是使用split方法对每个元素做的字符串标记的序列。

窗口能力

窗口分为跳跃窗口和滑动窗口。

  • 支持Window、TimeWindow、CountWindow以及WindowAll、TimeWindowAll、CountWindowAll API窗口生成。
  • 支持Window Apply、Window Reduce、Window Fold、Aggregations on windows API窗口操作。
  • 支持多种Window Assigner(TumblingEventTimeWindows、TumblingProcessingTimeWindows、SlidingEventTimeWindows、SlidingProcessingTimeWindows、EventTimeSessionWindows、ProcessingTimeSessionWindows、GlobalWindows)。
  • 支持三种时间ProcessingTime、EventTime和IngestionTime。
  • 支持两种EventTime时间戳方式:AssignerWithPeriodicWatermarks和AssignerWithPunctuatedWatermarks。

窗口生成类API如表9所示。

表9 窗口生成类的相关接口

API

说明

def window[W <: Window](assigner: WindowAssigner[_ >: T, W]): WindowedStream[T, K, W]

窗口可以被定义在已经被分区的KeyedStreams上。窗口会对数据的每一个key根据一些特征(例如在最近5秒钟内到达的数据)进行分组。

def windowAll[W <: Window](assigner: WindowAssigner[_ >: T, W]): AllWindowedStream[T, W]

窗口可以被定义在DataStream上。

def timeWindow(size: Time): WindowedStream[T, K, TimeWindow]

时间窗口定义在已经被分区的KeyedStreams上,根据environment.getStreamTimeCharacteristic()参数选择是ProcessingTime还是EventTime,根据参数个数确定是TumblingWindow还是SlidingWindow。

  • size指的是窗口时间的大小。
  • slide指的是窗口的滑动时间。
说明:
  • WindowedStream和AllWindowedStream代表不同的两种流。
  • 接口中只有一个参数则是TumblingWindow;有两个或两个以上的参数则是SlidingWindow。

def countWindow(size: Long, slide: Long): WindowedStream[T, K, GlobalWindow]

def timeWindowAll(size: Time): AllWindowedStream[T, TimeWindow]

时间窗口定义在DataStream上,根据environment.getStreamTimeCharacteristic()参数选择是ProcessingTime还是EventTime,根据参数个数确定是TumblingWindow还是SlidingWindow。

  • size指的是窗口时间的大小。
  • slide指的是窗口的滑动时间。

def timeWindowAll(size: Time, slide: Time): AllWindowedStream[T, TimeWindow]

def countWindow(size: Long, slide: Long): WindowedStream[T, K, GlobalWindow]

按照元素个数区分窗口,定义在已经被分区的KeyedStreams上。

  • size指的是窗口时间的大小。
  • slide指的是窗口的滑动时间。
说明:
  • WindowedStream和AllWindowedStream代表不同的两种流。
  • 接口中只有一个参数则是TumblingWindow;有两个或两个以上的参数则是SlidingWindow。

def countWindow(size: Long): WindowedStream[T, K, GlobalWindow]

def countWindowAll(size: Long, slide: Long): AllWindowedStream[T, GlobalWindow]

按照元素个数区分窗口,定义在DataStream上。

  • size指的是窗口时间的大小。
  • slide指的是窗口的滑动时间。

def countWindowAll(size: Long): AllWindowedStream[T, GlobalWindow]

窗口操作类API如表10所示。

表10 窗口操作类的相关接口

方法

API

说明

Window

def apply[R: TypeInformation](function: WindowFunction[T, R, K, W]): DataStream[R]

应用一个一般的函数到窗口上,窗口中的数据会作为一个整体被计算。

function指的是执行的窗口函数

def apply[R: TypeInformation](function: (K, W, Iterable[T], Collector[R]) => Unit): DataStream[R]

def reduce(function: ReduceFunction[T]): DataStream[T]

应用一个reduce函数到窗口上,返回reduce后的值。

  • reduceFunction指的是执行的reduce函数。
  • WindowFunction的function指的是在经过reduce操作之后再触发一次窗口操作。

def reduce(function: (T, T) => T): DataStream[T]

def reduce[R: TypeInformation](preAggregator: ReduceFunction[T], function: WindowFunction[T, R, K, W]): DataStream[R]

def reduce[R: TypeInformation](preAggregator: (T, T) => T, windowFunction: (K, W, Iterable[T], Collector[R]) => Unit): DataStream[R]

def fold[R: TypeInformation](initialValue: R, function: FoldFunction[T,R]): DataStream[R]

应用一个fold函数到窗口上,然后返回折叠后的值。

  • initialValue指的是初始值。
  • foldFunction指的是折叠函数。
  • WindowFunction的function指的是在经过fold操作之后再触发一次窗口操作。

def fold[R: TypeInformation](initialValue: R)(function: (R, T) => R): DataStream[R]

def fold[ACC: TypeInformation, R: TypeInformation](initialValue: ACC, foldFunction: FoldFunction[T, ACC], function: WindowFunction[ACC, R, K, W]): DataStream[R]

def fold[ACC: TypeInformation, R: TypeInformation](initialValue: ACC, foldFunction: (ACC, T) => ACC, windowFunction: (K, W, Iterable[ACC], Collector[R]) => Unit): DataStream[R]

WindowAll

def apply[R: TypeInformation](function: AllWindowFunction[T, R, W]): DataStream[R]

应用一个一般的函数到窗口上,窗口中的数据会作为一个整体被计算。

def apply[R: TypeInformation](function: (W, Iterable[T], Collector[R]) => Unit): DataStream[R]

def reduce(function: ReduceFunction[T]): DataStream[T]

应用一个reduce函数到窗口上,返回reduce后的值。

  • reduceFunction指的是执行的reduce函数。
  • AllWindowFunction的function指的是在经过reduce操作之后再触发一次窗口操作。

def reduce(function: (T, T) => T): DataStream[T]

def reduce[R: TypeInformation](preAggregator: ReduceFunction[T], windowFunction: AllWindowFunction[T, R, W]): DataStream[R]

def reduce[R: TypeInformation](preAggregator: (T, T) => T, windowFunction: (W, Iterable[T], Collector[R]) => Unit): DataStream[R]

def fold[R: TypeInformation](initialValue: R, function: FoldFunction[T,R]): DataStream[R]

应用一个fold函数到窗口上,然后返回折叠后的值。

  • initialValue指的是初始值。
  • foldFunction指的是折叠函数。
  • WindowFunction的function指的是在经过fold操作之后再触发一次窗口操作。

def fold[R: TypeInformation](initialValue: R)(function: (R, T) => R): DataStream[R]

def fold[ACC: TypeInformation, R: TypeInformation](initialValue: ACC, preAggregator: FoldFunction[T, ACC], windowFunction: AllWindowFunction[ACC, R, W]): DataStream[R]

def fold[ACC: TypeInformation, R: TypeInformation](initialValue: ACC, preAggregator: (ACC, T) => ACC, windowFunction: (W, Iterable[ACC], Collector[R]) => Unit): DataStream[R]

Window和WindowAll

def sum(position: Int): DataStream[T]

对窗口数据的某一列求和。

position和field代表数据的某一列。

def sum(field: String): DataStream[T]

def min(position: Int): DataStream[T]

对窗口数据的某一列求最小值。min返回了最小值,不保证非最小值列的准确性。

position和field代表对某一列求最小值。

def min(field: String): DataStream[T]

def max(position: Int): DataStream[T]

对窗口数据的某一列求最大值。max返回了最大值,不保证非最大值列的准确性。

position和field代表对某一列求最大值。

def max(field: String): DataStream[T]

def minBy(position: Int): DataStream[T]

对窗口数据的某一列求最小值所在的该行数据,minBy返回了该行数据的所有元素。

position和field代表对某一列做minBy操作。

def minBy(field: String): DataStream[T]

def maxBy(position: Int): DataStream[T]

对窗口数据的某一列求最大值所在的该行数据,maxBy返回了该行数据的所有元素。

position和field代表对某一列做maxBy操作。

def maxBy(field: String): DataStream[T]

提供多流合并的能力

表11 提供多流合并的能力的相关接口

API

说明

def union(dataStreams: DataStream[T]*): DataStream[T]

Union两个或多个数据流,生成一个新的包含了来自所有流的所有数据的数据流。

说明:

如果你将一个数据流与其自身进行了合并,在结果流中对于每个元素你都会拿到两份。

def connect[T2](dataStream: DataStream[T2]): ConnectedStreams[T, T2]

“连接”两个数据流并保持原先的类型。Connect可以让两条流之间共享状态。产生ConnectedStreams之后,调用map或者flatmap进行操作计算。

def map[R: TypeInformation](coMapper: CoMapFunction[IN1, IN2, R]): DataStream[R]

在ConnectedStreams上做元素映射,类似DataStream的map操作,元素映射之后流数据类型统一。

def map[R: TypeInformation](fun1: IN1 => R, fun2: IN2 => R): DataStream[R]

def flatMap[R: TypeInformation](coFlatMapper: CoFlatMapFunction[IN1, IN2, R]): DataStream[R]

在ConnectedStreams上做元素映射,类似DataStream的flatMap操作,元素映射之后流数据类型统一。

def flatMap[R: TypeInformation](fun1: (IN1, Collector[R]) => Unit, fun2: (IN2, Collector[R]) => Unit): DataStream[R]

def flatMap[R: TypeInformation](fun1·IN1 => TraversableOnce[R], fun2: IN2 => TraversableOnce[R]): DataStream[R]

提供Join能力

表12 提供Join能力的相关接口

API

说明

def join[T2](otherStream: DataStream[T2]): JoinedStreams[T, T2]

通过给定的key在一个窗口范围内join两条数据流。

join操作的key值通过where和eaualTo方法进行指定,代表两条流过滤出包含等值条件的数据。

def coGroup[T2](otherStream: DataStream[T2]): CoGroupedStreams[T, T2]

通过给定的key在一个窗口范围内co-group两条数据流。

coGroup操作的key值通过where和eaualTo方法进行指定,代表两条流通过该等值条件进行分区处理。

提示

您即将访问非华为云网站,请注意账号财产安全

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容