Flink -- 支持数据类型/UDF函数

Flink 支持的数据类型

Flink 流应用程序处理的是以数据对象表示的事件流。所以在Flink内部，我们需要能够处理这些的对象，他们需要被序列化和反序列化，以便通过网络传送他们，或者从状态后端，检查点和保存点读取他们。为了有效地做到这一点，Flink需要明确知道应用程序所处理的数据类型.Flink使用类型信息的概念来表示数据类型，并为每个数据类型生成特定的序列化器，反序列化器和比较器。

Flink还具有一个类型提取系统，该系统分析函数的输入和返回类型，以自动获取类型信息。从而获得序列化器和反序列化器。但是，在某些情况下，例如lambda函数或范型类型，需要显式地提供类型信息，才能使应用程序正常工作或者提高其性能。

flink支持Java和Scala中所有常见数据类型，使用最广泛的有：

1. 基础数据类型：支持Java和Scala基础数据类型
2. Java和Scala元组：Tuple0~Tuple25.可以传入的类型数量
3. Scala样例类：case calss Person(name:String,age:Int)
4. Java简单对象：实现get/set方法，必须提供无参构造函数
5. 其他：(Arrays,List,Maps,Enums等。)Flink对Java和Scala中的一些特殊目的类型也都是支持的，比如Java的ArrayList,HashMap,Enum等。

Fllink UDF函数 — 更细粒度的控制流

1. 函数类

   Flink暴露了所有udf函数的接口(实现方式为接口或者抽象类)。例如MapFunction,FilterFunction,ProcessFunction等。

   案例

   • 实现FilterFunction接口

     DataStream<String> flinkTweets = tweets.filter(new FlinkFilter());
     
     public static class FlinkFilter implements FilterFunction<String>{
            
     	@Override
     	public boolean filter(String value) throws Exception{