Flink 03 | 数据流基本操作

Flink数据流结构

DataStream 转换

通常我们需要分析的业务数据可能存在如下问题：

• 数据中包含一些我们不需要的数据

• 数据格式不方面分析

因此我们需要对原始数据流进行加工，比如过滤、转换等操作才可以进行数据分析。

“

Flink DataStream 转换主要作用:对输入的数据流(DataStream)经过各种转换操作以生成新的数据流

操作分类

• 单条记录操作

  • 比如 Map  、 Fliter

• 基于窗口 （Window）操作

  • 窗口根据某些特征（例如，过去 5 秒内到达的数据）对所有流事件进行分组

• 合并数据流

  • union 、join、connect 可以将多个DataStream 合并为一个DataStream 进行分析处理

• 拆分数据流

  • 将数据流拆分为多个数据流分别对每个数据流进行分析

基本操作

操作	描述	备注
Map	将数据流中每个元素转换为新的元素	类似 Java 中 stream.map 操作
Filter	筛选只保留符合条件的数据	类似 Java 中 stream.filter 操作
FlatMap	将一个输入"展开"为多个元素
KeyBy	将流逻辑划分为不相交的分区。所有具有相同键的记录都分配到同一个分区。
Reduce	对具有相同键的元素进行规约操作，如求和、求最大值

使用示例

Map

“

将数据流中每个元素转换为新的元素

使用场景很多，主要对原始数据进行加工转换，Java 8 中 stream().map 操作相信大家不陌生， Flink中map 操作类似。

以下展示对数据流中数字取绝对值例子。

DataStream<Integer> dataStream = //...
dataStream.map(new MapFunction<Integer, Integer>() {
    @Override
    public Integer map(Integer value) throws Exception {
        return value >=0 ? value : -value;
    }
});

Filter

筛选出数据流中符合条件的数据，进行分析， 该操作同样与Java 8 中 stream().filter 类型。

以下代码 保留数据流中正数。

dataStream.filter(new FilterFunction<Integer>() {
    @Override
    public boolean filter(Integer value) throws Exception {
        return value > 0;
    }
});

FlatMap

该操作将一个输入"展开"为多个元素,简单来说一个对象，变成一个List。

典型例子，将句子拆分为单词

dataStream.flatMap(new FlatMapFunction<String, String>() {
    @Override
    public void flatMap(String value, Collector<String> out)
        throws Exception {
        for(String word: value.split(" ")){
            out.collect(word);
        }
    }
});

Reduce 操作

对具有相同键的元素进行规约操作，如求和、求最大值。单词统计能够很好的展示 Flink 基本操作，包括reduce操作。

数据源进行KeyBy 后， Reduce 操作即 数据流按Key 分组聚合

public class WordCount {  
    public static void main(String[] args) throws Exception {  
        // 设置执行环境  
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();  
  
        // 从文件中读取文本数据  
        DataStream<String> text = env.readTextFile("your file");
  
        // 使用 flatMap 将文本分割成单词  
        DataStream<Tuple2<String, Integer>> counts = text
                .flatMap(new Tokenizer())  
                // 使用 keyBy 分组，然后使用 reduce 进行聚合  
                .keyBy(value->value.f0)
                .reduce(new ReduceFunction<Tuple2<String, Integer>>() {  
                    @Override  
                    public Tuple2<String, Integer> reduce(Tuple2<String, Integer> value1, Tuple2<String, Integer> value2) {  
                        return new Tuple2<>(value1.f0, value1.f1 + value2.f1);  
                    }  
                });  
  
        // 打印结果  
        counts.print();  
  
        // 执行程序  
        env.execute("Flink Word Count Example");  
    }  
  
    // 自定义 Tokenizer 用于分割文本  
    public static final class Tokenizer implements FlatMapFunction<String, Tuple2<String, Integer>> {  
  
        @Override  
        public void flatMap(String value, Collector<Tuple2<String, Integer>> out) {  
            // 使用空格分割字符串  
            for (String word : value.toLowerCase().split("\\s+")) {  
                if (word.length() > 0) {  
                    out.collect(new Tuple2<>(word, 1));  
                }  
            }  
        }  
    }  
}

总结

本文介绍了Flink 数据流基本操作Map/Filter/FlatMap/KeyBy/Reduce 的用法以及使用场景，并通过一个完整的例子展示 这些基本操作同时使用，完成数据分析过程。

对于Flink 一些其他高级操作，会持续更新中。