oracle timestamp java类型_Flink进阶教程：数据类型和序列化机制简介

几乎所有的大数据框架都要面临分布式计算、数据传输和持久化问题。数据传输过程前后要进行数据的序列化和反序列化：序列化就是将一个内存对象转换成二进制串，形成网络传输或者持久化的数据流。反序列化将二进制串转换为内存对象，这样就可以直接在编程语言中读写和操作这个对象。一种最简单的序列化方法就是将复杂数据结构转化成JSON格式。序列化和反序列化是很多大数据框架必须考虑的问题，在Java和大数据生态圈中，已有不少序列化工具，比如Java自带的序列化工具、Kryo等。一些RPC框架也提供序列化功能，比如最初用于Hadoop的Apache Avro、Facebook开发的Apache Thrift和Google开发的Protobuf，这些工具在速度和压缩比等方面与JSON相比有一定的优势。

但是Flink依然选择了重新开发了自己的序列化框架，因为序列化和反序列化将关乎整个流处理框架个方便的性能，对数据类型了解越多，可以更早地完成数据类型检查，节省数据存储空间。

Flink支持的数据类型

Flink支持的数据类型

Flink支持上图所示的几种数据类型：原生类型、数组、符合类型、辅助类型。其中，Kryo是最后的备选方案，如果能够优化，尽量不要使用Kryo，否则会有大量的性能损失。

基础类型

所有Java和Scala基础数据类型，诸如Int、Double、Long(包括Java原生类型int和装箱后的类型Integer)、String，以及Date、BigDecimal和BigInteger。

数组

基础类型或其他对象类型组成的数组，如String[]。

复合类型

Scala case class

Scala case class是Scala的特色，用这种方式定义一个数据结构非常简洁。例如股票价格的数据结构：

case class StockPrice(symbol: String, timestamp: Long, price: Double)

这样定义的数据结构，所有的子字段都是public，可以直接读取。另外，我们可以不用new即可获取一个新的对象。

val stock = StockPrice("0001", 0L, 121)println(stock.symbol)

Java POJO

Java的话，需要定义POJO类，定义POJO类有一些注意事项：

• 该类必须用public修饰。
• 该类必须有一个public的无参数的构造函数。
• 该类的所有非静态(non-static)、非瞬态(non-transient)字段必须是public，如果字段不是public则必须有标准的getter和setter方法，比如对于字段A a有A getA()和setA(A a)。
• 所有子字段也必须是Flink支持的数据类型。

下面三个例子中，只有第一个是POJO，其他两个都不是POJO，非POJO类将使用Kryo序列化工具。

public class StockPrice {    public String symbol;    public Long timestamp;    public Double price;    public StockPrice() {}    public StockPrice(String symbol, Long timestamp, Double price){        this.symbol = symbol;        this.timestamp = timestamp;        this.price = price;    }}// NOT POJOpublic class StockPrice1 {    // LOGGER 无getter和setter     private Logger LOGGER = LoggerFactory.getLogger(StockPrice1.class);    public String symbol;    public Long timestamp;    public Double price;    public StockPrice1() {}    public StockPrice1(String symbol, Long timestamp, Double price){        this.symbol = symbol;        this.timestamp = timestamp;        this.price = price;    }}// NOT POJOpublic class StockPrice2 {    public String symbol;    public Long timestamp;    public Double price;    // 缺少无参数构造函数    public StockPrice2(String symbol, Long timestamp, Double price){        this.symbol = symbol;        this.timestamp = timestamp;        this.price = price;    }}

如果不确定是否是POJO，可以使用下面的代码检查：

System.out.println(TypeInformation.of(StockPrice.class).createSerializer(new ExecutionConfig()));

结果显示这个类在是否在使用KryoSerializer。

此外，使用Avro生成的类可以被Flink识别为POJO。

Tuple

Tuple可被翻译为元组，比如我们可以将之前的股票价格抽象为一个三元组。Scala用括号来定义元组，比如一个三元组：(String, Long, Double)。访问元组中的元素时，要使用下划线。需要注意的是，与其他地方从0开始计数不同，这里是从1开始计数，_1为元组中的第一个元素。

// Scala Tuple Exampledef main(args: Array[String]): Unit = {  val senv: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment  val dataStream: DataStream[(String, Long, Double)] =  senv.fromElements(("0001", 0L, 121.2), ("0002" ,1L, 201.8),                    ("0003", 2L, 10.3), ("0004", 3L, 99.6))  dataStream.filter(item => item._3 > 100)  senv.execute("scala tuple")}

Flink为Java专门准备了元组类型，比如3元组为Tuple3，最多支持到25元组。访问元组中的元素时，要使用Tuple类准备好的公共字段：f0、f1...或者使用getField(int pos)方法，并注意进行类型转换。注意，这里是从0开始计数。

// Java Tuple Examplepublic static void main(String[] args) throws Exception {  StreamExecutionEnvironment senv = StreamExecutionEnvironment.getExecutionEnvironment();  DataStream> dataStream = senv.fromElements(    Tuple3.of("0001", 0L, 121.2),    Tuple3.of("0002" ,1L, 201.8),    Tuple3.of("0003", 2L, 10.3),    Tuple3.of("0004", 3L, 99.6)  );  dataStream.filter(item -> item.f2 > 100).print();  dataStream.filter(item -> ((Double)item.getField(2) > 100)).print();  senv.execute("java tuple");}

Scala的Tuple中所有元素都不可变，Java的Tuple中的元素是可以被更改和赋值的，因此在Java中使用Tuple可以充分利用这一特性，这样可以减少垃圾回收的压力。

Double price = stock.getField(2);stock.setField(70, 2);

辅助类型

Flink还支持Java的ArrayList、HashMap和Enum，Scala的Either和Option。

泛型和其他类型

当以上任何一个类型均不满足时，Flink认为该数据结构是一种泛型(GenericType)，使用Kryo来进行序列化和反序列化。但Kryo在有些流处理场景效率非常低，有可能造成流数据的积压。我们可以使用senv.getConfig.disableGenericTypes()来禁用Kryo，禁用后，Flink遇到无法处理的数据类型将抛出异常，这种方法对于调试非常有效。

TypeInformation

以上如此多的类型，在Flink中，统一使用TypeInformation类表示。比如，POJO在Flink内部使用PojoTypeInfo来表示，PojoTypeInfo继承自CompositeType，CompositeType继承自TypeInformation。下图展示了TypeInformation的继承关系，可以看到，前面提到的诸多数据类型，在Flink中都有对应的类型。TypeInformation的一个重要的功能就是创建TypeSerializer序列化器，为该类型的数据做序列化。每种类型都有一个对应的序列化器来进行序列化。

TypeInformation继承关系

使用前面介绍的各类数据类型时，Flink会自动探测传入的数据类型，生成对应的TypeInformation，调用对应的序列化器，因此用户其实无需关心类型推测。比如，Flink的map函数Scala签名为：def map[R: TypeInformation](fun: T => R): DataStream[R]，传入map的数据类型是T，生成的数据类型是R，Flink会推测T和R的数据类型，并使用对应的序列化器进行序列化。

Flink数据类型推断和序列化

上图展示了Flink的类型推断和序列化过程，以一个字符串String类型为例，Flink首先推断出该类型，并生成对应的TypeInformation，然后在序列化时调用对应的序列化器，将一个内存对象写入内存块。

注册类

如果传递给Flink算子的数据类型是父类，实际运行过程中使用的是子类，子类中有一些父类没有的数据结构和特性，将子类注册可以提高性能。在执行环境上调用env.registerType(clazz)来注册类。registerType方法的源码如下所示，其中TypeExtractor对数据类型进行推断，如果传入的类型是POJO，则可以被Flink识别和注册，否则将使用Kryo。

// Flink registerType java源码public void registerType(Class> type) {  if (type == null) {    throw new NullPointerException("Cannot register null type class.");  }  TypeInformation> typeInfo = TypeExtractor.createTypeInfo(type);  if (typeInfo instanceof PojoTypeInfo) {    config.registerPojoType(type);  } else {    config.registerKryoType(type);  }}

注册序列化器

如果数据类型不是Flink支持的上述类型，需要对数据类型和序列化器进行注册，以便Flink能够对该数据类型进行序列化。

// Java代码// 使用对TestClassSerializer对TestClass进行序列化env.registerTypeWithKryoSerializer(TestClass.class, new TestClassSerializer());

其中TestClassSerializer要继承com.esotericsoftware.kryo.Serializer。

static class TestClassSerializer extends Serializer implements Serializable {  private static final long serialVersionUID = -3585880741695717533L;  @Override  public void write(Kryo kryo, Output output, TestClass testClass) {    ...  }  @Override  public TestClass read(Kryo kryo, Input input, Class aClass) {    ...  }}

相应的包需要添加到pom中：

com.esotericsoftware.kryo  kryo  2.24.0

对于Apache Thrift和Protobuf的用户，已经有人将序列化器编写好，我们可以直接拿来使用：

// Google Protobufenv.getConfig().registerTypeWithKryoSerializer(MyCustomType.class, ProtobufSerializer.class);// Apache Thriftenv.getConfig().addDefaultKryoSerializer(MyCustomType.class, TBaseSerializer.class);

Google Protobuf的pom：

com.twitterchill-protobuf0.7.6com.esotericsoftware.kryokryocom.google.protobufprotobuf-java3.7.0

Apache Thrift的pom：

com.twitterchill-thrift0.7.6com.esotericsoftware.kryokryoorg.apache.thriftlibthrift0.11.0javax.servletservlet-apiorg.apache.httpcomponentshttpclient