大数据学习之Flink——11侧输出流 Side Output

1. 为什么需要Side Stream

在处理一个数据源时，往往需要 将该源中的不同类型的数据做分割处理，如果使用 filter 算子对数据源进行筛选分割的 话，势必会造成数据流的多次复制，造成不必要的性能浪费；flink 中的侧输出就是将数据 流进行分割，而不对流进行复制的一种分流机制。flink 的侧输出的另一个作用就是对延时迟到的数据进行处理，这样就可以不必丢弃迟到的数据

2. 如何使用Side Stream

1. 要使用 Side Output 的话，首先需要做的是定义一个 OutputTag 来标识 Side Output，代表这个 Tag 是要收集哪种类型的数据，如果是要收集多种不一样类型的数据，那么你就需要定义多种OutputTag

   val failTag: OutputTag[StationLog] = new OutputTag[StationLog]("failTag")
   val busyTag: OutputTag[StationLog] = new OutputTag[StationLog]("busyTag")
   val barringTag: OutputTag[StationLog] = new OutputTag[StationLog]("barringTag")
   

2. 然后呢，可以使用下面几种函数来处理数据，在处理数据的过程中，进行判断将不同种类型的数据存到不同的 OutputTag 中去

   1. ProcessFunction
   2. KeyedProcessFunction
   3. CoProcessFunction
   4. ProcessWindowFunction
   5. ProcessAllWindowFunction

   class CreateSideOutputStream(tag: OutputTag[StationLog]) extends ProcessFunction[StationLog, StationLog] {
        
       override def processElement(value: StationLog, context: ProcessFunction[StationLog, StationLog]
         #Context, out: Collector[StationLog]): Unit = {
        
         if(value.callType.equals