概要:KeySelector<T, K> 网上的demo多不胜数,但是对于java来说大部分的测试案例都是用的Tuple,
比如:DataSet<Tuple<String,Integer>> datastream;
假如此时我想对这个流中的数据的第一个字段排序,可以这么写:datastream.groupBy(0)。
但是如果我流数据是这样:DataSet datastream,此时如果还像datastream.groupBy(0)这样写会报错的, 因为groupBy(int num)这种写法只在Tuple中才适用,那么该怎么办呢,看下面的demo即可。
1. 定义product对象
自定义对象的时候要注意符合flink的规范,否则有可能你定义的对象是无法序列化的,如果无法序列化也就意味着无法在网络上传输,如果不知道flink的序列化规范请参看:flink序列化规范
public class Prodect{
private String name;//产品名称
private Integer count;//产品销售数量
private Double price;//产品的价格
public Prodect(String name, Integer count, Double price) {
this.name = name;
this.count = count;
this.price = price;
}
public Prodect() {
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
public Integer getCount() {
return count;
}
public void setCount(Integer count) {
this.count = count;
}
public Double getPrice() {
return price;
}
public void setPrice(Double price) {
this.price = price;
}
@Override
public String toString() {
return "Prodect{" +
"name='" + name + '\'' +
", count=" + count +
", price=" + price +
'}';
}
}
2.对product进行分组输出
2.1 第一种写法:
import com.pg.flink.dataSet.enty.Prodect;
import org.apache.flink.api.common.functions.GroupReduceFunction;
import org.apache.flink.api.java.DataSet;
import org.apache.flink.api.java.ExecutionEnvironment;
import org.apache.flink.util.Collector;
import java.util.ArrayList;
public class KeySelectorDemo {
public static void main(String[] args) throws Exception {
final ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
DataSet<Prodect> dataSet = env.fromElements(
new Prodect("鸡蛋",1,2.1),
new Prodect("鸡蛋",3,2.3),
new Prodect("鸡蛋",2,2.2),
new Prodect("牛奶",1,2.6),
new Prodect("牛奶",2,2.9),
new Prodect("牛奶",3,2.8)
);
dataSet.groupBy(Prodect::getName).reduceGroup(new GroupReduceFunction<Prodect, String>() {
@Override
public void reduce(Iterable<Prodect> values, Collector<String> out) throws Exception {
ArrayList<String> lis = new ArrayList<>();
for(Prodect p:values){
lis.add(p.toString());
}
out.collect(String.join("&",lis));
}
}).print();
}
}
2.2第二种写法
public class KeySelectorDemo {
public static void main(String[] args) throws Exception {
final ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
DataSet<Prodect> dataSet = env.fromElements(
new Prodect("鸡蛋",1,2.1),
new Prodect("鸡蛋",3,2.3),
new Prodect("鸡蛋",2,2.2),
new Prodect("牛奶",1,2.6),
new Prodect("牛奶",2,2.9),
new Prodect("牛奶",3,2.8)
);
dataSet.groupBy("name").reduceGroup(new GroupReduceFunction<Prodect, String>() {
@Override
public void reduce(Iterable<Prodect> values, Collector<String> out) throws Exception {
ArrayList<String> lis = new ArrayList<>();
for(Prodect p:values){
lis.add(p.toString());
}
out.collect(String.join("&",lis));
}
}).print();
}
}
2.3 第三种写法
public class KeySelectorDemo {
public static void main(String[] args) throws Exception {
final ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
DataSet<Prodect> dataSet = env.fromElements(
new Prodect("鸡蛋",1,2.1),
new Prodect("鸡蛋",3,2.3),
new Prodect("鸡蛋",2,2.2),
new Prodect("牛奶",1,2.6),
new Prodect("牛奶",2,2.9),
new Prodect("牛奶",3,2.8)
);
dataSet.groupBy(new KeySelector<Prodect, String>() {
@Override
public String getKey(Prodect value) throws Exception {
return value.getName();
}
}).reduceGroup(new GroupReduceFunction<Prodect, String>() {
@Override
public void reduce(Iterable<Prodect> values, Collector<String> out) throws Exception {
ArrayList<String> lis = new ArrayList<>();
for(Prodect p:values){
lis.add(p.toString());
}
out.collect(String.join("&",lis));
}
}).print();
}
}
输出:Prodect{name=‘鸡蛋’, count=1, price=2.1}&Prodect{name=‘鸡蛋’, count=3, price=2.3}&Prodect{name=‘鸡蛋’, count=2, price=2.2}
Prodect{name=‘牛奶’, count=1, price=2.6}&Prodect{name=‘牛奶’, count=2, price=2.9}&Prodect{name=‘牛奶’, count=3, price=2.8}
3.总结
上面三种写法其实底层都是一样的,都是要取出流对象对应字段的值做hash分组。
- dataSet.groupBy(Prodect::getName)
获取流对象name字段的值,作hash分组
方法引用,见[java方法引用],方法引就是假如ClassA有一个方法method(int age),此方法的参数和返回值类型都是int,而ClassB此时也需要一个参数类型是int返回值类型也是int的方法,那么本着省事的思想,Class B可以直接把ClassA的method(int age)拿来用, 这就是方法引用,具体细节详情还要看:java双"::"符号讲解 - dataSet.groupBy(“name”)
意思是根据流数据中元素中字段名字为"name"的字段,然后把字段name对应的值取出来作hash分组。 - groupBy(KeySelector<T, K> keyExtractor) {}
传入一个keySelector取值器, 根据取值器取出来的值进行分区,KeySelector接口其实就一个方法: KEY getKey(IN value) throws Exception;
IN 是数据流中的元素类型,在我们的例子里就是Product, KEY是根据value返回的值的类型。
其实第一种写法就是第三种写法.java双"::"符号讲解:添加链接描述