首页手记 Apache Flink源码解析...

Apache Flink源码解析（五）DataStream API

标签：

Flink

概述

这篇文章是但不仅仅是官方文档的中文翻译，还有里面每一个方法对应的Transformation和运行时对Task的影响。

Prerequisites

关于算子想说的有很多，在这篇文章中，把算子理解为包含了一个函数（Flink实现的或自己实现的，比如MapFunction，FilterFunction）的持续获得输入并且将结果输出出去的任务就好。
图中的Task表示一个节点，或者说是一个TaskManager中一个Slot执行的任务
流程图中红色代表这个方法在生成Transformation和实际运行时对Task产生的影响

DataStream

Map

DataStream<Integer> dataStream = //...dataStream.map(new MapFunction<Integer, Integer>() {    @Override
    public Integer map(Integer value) throws Exception {        return 2 * value;
    }
});

Transformation: 生成一个OneInputTransformation并包含StreamMap算子

StreamMapTransformation
Runtime:

StreamMapTask

消费一个元素并产出一个元素
参数 MapFunction
返回DataStream
例子：

FlatMap

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);
        }
    }
});

Transformation: 生成一个OneInputTransformation并包含StreamFlatMap算子

StreamFlatMapTransformation
Runtime：

StreamFlatMapTask

消费一个元素并产生零到多个元素
参数 FlatMapFunction
返回 DataStream
例子：

Filter
```
dataStream.filter(new FilterFunction<Integer>() {    @Override
    public boolean filter(Integer value) throws Exception {        return value != 0;
    }
});
```
- Transformation：生成一个OneInputTransformation并包含StreamFilter算子
  
  StreamFilterTransformation
- Runtime：
  
  StreamFilterTask
- 根据FliterFunction返回的布尔值来判断是否保留元素，true为保留，false则丢弃
- 参数 FilterFunction
- 返回DataStream
- 例子：

KeyBy
```
dataStream.keyBy("someKey") // Key by field "someKey"dataStream.keyBy(0) // Key by the first element of a Tuple
```
- Transformation: KeyBy会产生一个PartitionTransformation，并且通过KeySelector创建一个KeyGroupStreamPartitioner，目的是将输出的数据分区。此外还会把KeySelector保存到KeyedStream的属性中，在下一个Transformation创建时时将KeySelector注入进去。
  
  KeyByTransformation
- Runtime: 生成StreamGraph时会将PartitionTransformation中的Partitioner 注入到StreamEdge当中，此外还会在下一个StreamNode创建过程中注入KeySelector用于提取元素的Key。之后将Partitioner注入StreamRecordWriter中用于将上一个Task的输出元素指定到某一个ResultSubParition中，此外KeySelector也被注入到下一个Task的算子当中。
  
  KeyBy Runtime
- 根据指定的Key将元素发送到不同的分区，相同的Key会被分到一个分区（这里分区指的就是下游算子多个并行的节点的其中一个）。keyBy()是通过哈希来分区的。
- 只能使用KeyedState（Flink做备份和容错的状态）
- 参数 String，tuple的索引，覆盖了hashCode方法的POJO，不能使数组
- 返回KeyedStream
- 例子：

WindowAll
```
dataStream.windowAll(TumblingEventTimeWindows.of(Time.seconds(5))); // Last 5 seconds of data
```
- Transformation：返回AllWindowedStream，不产生Transformation，详情见AllWindowedStream
- Runtime：详情见AllWindowedStream
- 将元素按照某种特性聚集在一起（如时间：滑动窗口，翻转窗口，会话窗口，又如出现次数：计数窗口）
- 参数 WindowAssigner
- 返回 AllWindowedStream
- 例子：
Union
```
dataStream.union(otherStream1, otherStream2, ...);
```
- Transformation: 从所有相关的stream中获取Transformation并注入到UnionTransformation的inputs中
  
  UnionTransformation
- Runtime：这些Inputs会在下一个Transformation创建时被作为Input来穿件StreamEdge，如果上下游并行度一致则会生成ForwardPartitioner，不一致则是RebalancePartitioner。由于Partitioner是在处理下游Transformation生成的，所以这里没有图。
- 将两个或多个datastream合并，创造一个新的流包含这些datastream的所有元素
- 参数DataStream（一个或多个）
- 返回UnionStream
- 例子：
Join
```
dataStream.join(otherStream)
    .where(<key selector>).equalTo(<key selector>)
    .window(TumblingEventTimeWindows.of(Time.seconds(3)))
    .apply (new JoinFunction () {...});
```
- Transformation：1. 调用join方法后生成JoinedStream，JoinedStream保存了两个input 2. 调用where方法生成一个内部类Where对象，注入KeySelector1 3. 调用equalTo生成内部类EqualTo对象，注入KeySelector2 4. 调用window升成内部静态类WithWindow，并且注入WindowAssigner（在该对象中还可以注入Trigger和Evictor 5. 最后调用apply方法将（Flat)JoinFunction注入并且用一个(Flat)JoinCoGroupFunction封装起来，而在这一步会将所有注入的对象用在coGroup上。详情见下一个Window CoGroup的解析。
- Runtime：与Window CoGroup相同，详情见下一个WIndow CoGroup解析
- 将两个DataStream按照key和window join在一起
- 参数：1. KeySelector1 2. KeySelector2 3. DataStream 4. WindowAssigner 5. JoinFunction/FlatJoinFunction
- 返回DataStream
- 例子：

Window CoGroup
```
dataStream.coGroup(otherStream)
    .where(0).equalTo(1)
    .window(TumblingEventTimeWindows.of(Time.seconds(3)))
    .apply (new CoGroupFunction () {...});
```
- Transformation：生成一个TaggedUnion类型和unionKeySelector，里面分别包含了两个流的元素类型和两个流的KeySelector。将两个流通过map分别输出为类型是TaggedUnion的两个流（map详情见StreamMap），再Union在一起（详情见Union），再使用合并过后的流和unionKeySelector生成一个KeyedStream（详情见KeyBy），最后使用KeyedStream的window方法并传入WindowAssigner生成WindowedStream，并apply CoGroupFunction来处理（详情见WindowedStream Apply方法）。总体来说，Flink对这个方法做了很多内部的转换，最后生成了两个StreamMapTransformation，一个PartitionTransformation和一个包含了WindowOperator的OneInputTransformation。
  
  CoGroupTransformation
- Runtime：参考每个Transformation对应的Runtime情况
- 根据Key和window将两个DataStream的元素聚集在两个集合中，根据CoGroupFunction来处理这两个集合，并产出结果
- 参数 1. DataStream 2. KeySelector1 3. KeySelector2 4. WindowAssigner 5. CoGroupFunction
- 返回DataStream
- 例子：
Connect
```
DataStream<Integer> someStream = //...DataStream<String> otherStream = //...ConnectedStreams<Integer, String> connectedStreams = someStream.connect(otherStream);
```
- Transformation：在这一步会生成一个包含了两个DataStream的ConnectedStreams对象，不会有Transformation产生。详情见后续ConnectedStreams的API详解。
- 将两个DataStream连接在一起，使得他们之间可以共享状态
- 参数 DataStream
- 返回ConnectedStreams
- 例子：
Split
```
SplitStream<Integer> split = someDataStream.split(new OutputSelector<Integer>() {    @Override
    public Iterable<String> select(Integer value) {
        List<String> output = new ArrayList<String>();        if (value % 2 == 0) {
            output.add("even");
        }        else {
            output.add("odd");
        }        return output;
    }
});
```
- Transformation：在这一步会生成一个SplitTransformation，里面包含了OutputSelector。
  
  SplitTransformation
- Runtime: 在生成StreamGraph时找到父Transformation，并将OutputSelector注入到父StreamNode中。生成JobGraph的时候在注入到对应的JobNode中，最后在运行时封装到OperatorChain的OutputCollector中并且注入算子。
  
  SplitRuntime
- 按照一个规则将一个流的元素产出到两个或多个支流（每个元素可以发送到不止一个支流）
- 参数 OutputSelector
- 返回 SplitStream
- 例子：

Iterate

IterativeStream<Long> iteration = initialStream.iterate();
DataStream<Long> iterationBody = iteration.map (/*do something*/);
DataStream<Long> feedback = iterationBody.filter(new FilterFunction<Long>(){    @Override
    public boolean filter(Integer value) throws Exception {        return value > 0;
    }
});
iteration.closeWith(feedback);
DataStream<Long> output = iterationBody.filter(new FilterFunction<Long>(){    @Override
    public boolean filter(Integer value) throws Exception {        return value <= 0;
    }
});

Iterate不展开讲解

通过将一个算子的输出重定向到某个输入Operator上来创个一个循环。非常适合用来持续更新一个模型。
过程 DataStream IterativeStream DataStream
例子：

ExtractTimestamps
```
stream.assignTimestamps (new TimeStampExtractor() {...});
```
- Transformation：assignTimestamps会将TimeStampExtractor注入进刚创建的ExtractTimestampsOperator，再通过ExtractTimestampsOperator生成一个OneInputTransformation
  
  ExtractTimestampsTransformation
- Runtime：
  
  ExtractTimestampsTask
- 从元素中提取timestamp来用作事件时间（EventTime）。
- 参数 TimeStampExtractor
- 返回 DataStream
- 例子：

Project
```
DataStream<Tuple3<Integer, Double, String>> in = // [...]DataStream<Tuple2<String, Integer>> out = in.project(2,0);
```
- Transformation：生成一个OneInputTransformation并包含StreamProjection算子
  
  StreamProjectionTransformation
- Runtime
  
  StreamProjectionTask
- 如果元素是Tuple，直接通过index提取出Tuple中的字段组成新的Tuple，并产出结果
- 参数 Tuple中的index（int，一个或多个）
- 返回 DataStream
- 例子：
Custom partitioning
```
dataStream.partitionCustom(partitioner, "someKey");dataStream.partitionCustom(partitioner, 0);
```
- Transformation：partitionCustom类似于KeyBy，不过partitioner是由自己定制并且输出的不是KeyedStream。首先会通过KeySelector和用户实现的Partitioner生成一个CustomPartitionerWrapper（StreamPartitioner），再讲它注入到PartitionTransformation。
  
  CustomPartitioningTransformation
- Runtime：将Partitioner注入StreamRecordWriter中用于将上一个Task的输出元素指定到某一个ResultSubParition中
  
  CustomPartitioningTask
- 通过用户定义的流分区器（Partitioner）将每个元素传输到指定的subtask
- 参数 Partitioner， Tuple索引/POJO属性名/KeySelector
- 返回 DataStream
- 例子：

Random partitioning
```
dataStream.shuffle();
```
- Transformation: 将partitioner换成ShufflePartitioner，其余同上
- Runtime：同上
- 将元素按照均匀分布打散到下游
- 返回 DataStream
- 例子：
Rebalancing (Round-robin partitioning)
```
dataStream.rebalance();
```
- Transformation: 将partitioner换成RebalancePartitioner，其余同上
- Runtime：同上
- 通过轮询调度（Round-robin）将元素均匀的分配到下游
- 返回 DataStream
- 例子
Rescaling
```
dataStream.rescale();
```
- Transformation: 将partitioner换成RescalePartitioner，其余同上
- Runtime：同上
- 通过轮询调度将元素从上游的task一个子集发送到下游task的一个子集
- 返回 DataStream
- 原理：第一个task并行度为2，第二个task并行度为6，第三个task并行度为2。从第一个task到第二个task，Src的子集Src1 和 Map的子集Map1，2，3对应起来，Src1会以轮询调度的方式分别向Map1，2，3发送记录。从第二个task到第三个task，Map的子集1，2，3对应Sink的子集1，这三个流的元素只会发送到Sink1。
  假设我们每个TaskManager有三个Slot，并且我们开了SlotSharingGroup，那么通过rescale，所有的数据传输都在一个TaskManager内，不需要通过网络。
- rescale.png
- 例子
Broadcasting
```
dataStream.broadcast();
```
- 将元素广播到每个分区
- 返回DataStream
- 例子：

KeyedStream

Reduce
```
keyedStream.reduce(new ReduceFunction<Integer>() {    @Override
    public Integer reduce(Integer value1, Integer value2)
    throws Exception {        return value1 + value2;
    }
});
```
- Transformation：生成一个OneInputTransformation并包含StreamGroupedReduce算子
  
  KeyedReduceTransformation
- Runtime：
  
  KeyedReduceTask
- 根据ReduceFunction将元素与上一个reduce后的结果合并，产出合并之后的结果。
- 参数 ReduceFunction
- 返回 DataStream
- 例子：
Fold
```
DataStream<String> result =
  keyedStream.fold("start", new FoldFunction<Integer, String>() {
    @Override
    public String fold(String current, Integer value) {        return current + "-" + value;
    }
  });
```
- Transformation：将StreamGroupedReduce换成StreamGroupedFold，其余同Reduce
- Runtime：将StreamGroupedReduce换成StreamGroupedFold，其余同Reduce
- 根据FoldFunction和初始值，将元素与上一个fold过后的结果合并，产出合并之后的结果。
- 参数 FoldFunction
- 返回 DataStream
- 例子：
Aggregations
```
keyedStream.sum(0);keyedStream.sum("key");keyedStream.min(0);keyedStream.min("key");keyedStream.max(0);keyedStream.max("key");keyedStream.minBy(0);keyedStream.minBy("key");keyedStream.maxBy(0);keyedStream.maxBy("key");
```
- Transformation：StreamGroupedReduce里注入了Flink内置的Aggregation方法实现，同Reduce
- Transformation：同Reduce
- Flink实现的一系列聚合方法，具体作用由方法名就可以得知
- 返回 DataStream
- 例子：
Window
```
dataStream.window(TumblingEventTimeWindows.of(Time.seconds(5))); // Last 5 seconds of data
```
- Transformation: 生成一个WindowedStream，不产生Transformation，详情见WindowedStream详解
- Runtime：详情见WindowedStream
- 窗口将同一个key的元素按照某种特性聚集在一起（如时间：滑动窗口，翻转窗口，会话窗口，又如出现次数：计数窗口）
- 返回WindowedStream
- 参数WindowAssigner
- 例子：

Interval Join

// this will join the two streams so that// key1 == key2 && leftTs - 2 < rightTs < leftTs + 2keyedStream.intervalJoin(otherKeyedStream)
    .between(Time.milliseconds(-2), Time.milliseconds(2)) // lower and upper bound
    .upperBoundExclusive(true) // optional
    .lowerBoundExclusive(true) // optional
    .process(new IntervalJoinFunction() {...});

给定一个时间间隔，将两个流中的元素按照key来做join
满足条件e1.timestamp + lowerBound <= e2.timestamp <= e1.timestamp + upperBound
参数 1. KeyedStream 2. Time: LowerBound and UpperBound 3. boolean(optional) 4. boolean(optional) 5. IntervalJoinFunction
返回DataStream
例子：

WindowedStream

Apply

windowedStream.apply (new WindowFunction<Tuple2<String,Integer>, Integer, Tuple, Window>() {    public void apply (Tuple tuple,
            Window window,
            Iterable<Tuple2<String, Integer>> values,
            Collector<Integer> out) throws Exception {        int sum = 0;        for (value t: values) {
            sum += t.f1;
        }
        out.collect (new Integer(sum));
    }
});

Transformation：

WindowApplyTransformation
Runtime：

WindowApply Task

使用WindowFunction对window重的元素做处理（例如聚合操作）并产出结果
参数 WindowFunction
返回 DataStream
例子：

Reduce

windowedStream.reduce (new ReduceFunction<Tuple2<String,Integer>>() {
    public Tuple2<String, Integer> reduce(Tuple2<String, Integer> value1, Tuple2<String, Integer> value2) throws Exception {        return new Tuple2<String,Integer>(value1.f0, value1.f1 + value2.f1);
    }
});

Transformation：基本同上，将ReduceFunction注入到WindowOperator中（具体注入方式要看有没有evictor，这边不作赘述）。
Runtime：同上

根据ReduceFunction将窗口中的元素按照key和window合并，并产出结果
参数 ReduceFunction
返回DataStream
例子

Aggregations
```
windowedStream.sum(0);windowedStream.sum("key");windowedStream.min(0);windowedStream.min("key");windowedStream.max(0);windowedStream.max("key");windowedStream.minBy(0);windowedStream.minBy("key");windowedStream.maxBy(0);windowedStream.maxBy("key");
```
- Transformation：WindowOperator里注入了Flink内置的Aggregation方法实现，其余同上
- Runtime：同上
- Flink实现的一系列聚合方法，具体作用由方法名就可以得知，需要注意的是他们被分别作用在按key和window分割过后的元素集合上
- 返回 DataStream
- 例子：

AllWindowedStream

Apply

// applying an AllWindowFunction on non-keyed window streamallWindowedStream.apply (new AllWindowFunction<Tuple2<String,Integer>, Integer, Window>() {    public void apply (Window window,
            Iterable<Tuple2<String, Integer>> values,
            Collector<Integer> out) throws Exception {        int sum = 0;        for (value t: values) {
            sum += t.f1;
        }
        out.collect (new Integer(sum));
    }
});

Transformation：AllWindowedStream.apply()与WindowedStream.apply()基本是一致的，只是没有KeySelector
Runtime：通WindowedStream.apply()

使用WindowFunction对window重的元素做处理（例如聚合操作）并产出结果
与WindowedStream的区别在于是否有key
参数 WindowFunction
返回 DataStream
例子

ConnectedStreams

CoMap, CoFlatMap

connectedStreams.map(new CoMapFunction<Integer, String, Boolean>() {    @Override
    public Boolean map1(Integer value) {        return true;
    }    
    @Override
    public Boolean map2(String value) {        return false;
    }
});
connectedStreams.flatMap(new CoFlatMapFunction<Integer, String, String>() {   @Override
   public void flatMap1(Integer value, Collector<String> out) {
       out.collect(value.toString());
   }   @Override
   public void flatMap2(String value, Collector<String> out) {       for (String word: value.split(" ")) {
         out.collect(word);
       }
   }
});

Transformation：ConnectedStream并不会产生Transformation，只会保存两个Input DataStream，从inputs中的DataStream获取父Transformation，并生成一个CoStream(Flat)Map算子。KeySelector依赖于父Transformation注入（如果是PartitionTransformation的话）。

Co(Flat)MapTransformation
Runtime: Task会具体负责调用processElement1方法还是processElement2方法。

CoStream(Flat)MapTask

同时对两个流进行Map或FlatMap操作
参数 CoMapFunction, CoFlatMapFunction
返回 DataStream
例子：

SplitStream

Select
```
SplitStream<Integer> split;
DataStream<Integer> even = split.select("even");
DataStream<Integer> odd = split.select("odd");
DataStream<Integer> all = split.select("even","odd");
```
- Transformation：生成SelectTransformation，里面包含了OutputSelector
  
  SelectTransformation
- Runtime：生成StreamGraph时会将OutputNames注入到新生成的StreamEdge中，然后注入到对应的JobEdge中，最后用它来生成OutputCollector中的outputMap，发送消息时根据相应的selectedName发送到相应的下游Task
  
  Select Runtime
- 根据SplitStream中OutputSelector设定的规则获取一个或多个DataStream
- 参数 OutputNames
- 返回 DataStream
- 例子：

作者：铛铛铛clark
链接：https://www.jianshu.com/p/a3f43f861a42

点击查看更多内容

为 TA 点赞

若觉得本文不错，就分享一下吧！

评论

评论

共同学习，写下你的评论

评论加载中...

展开查看更多评论

作者其他优质文章

正在加载中

慕标5832272

全栈工程师

手记
篇

粉丝

228

获赞与收藏

996

关注作者，订阅最新文章

阅读免费教程

后端通用面试教程

41个小节 28552 320

网络编程入门教程

20个小节 11903 225

Pandas 入门教程

25个小节 17298 312

推荐

评论

收藏

共同学习，写下你的评论



感谢您的支持，我会继续努力的～

扫码打赏，你说多少就多少

赞赏金额会直接到老师账户

支付方式

打开微信扫一扫，即可进行扫码打赏哦

今天注册有机会得

100积分直接送

付费专栏免费学

大额优惠券免费领

立即参与放弃机会

点击
抽奖

慕课手记新用户专享福利

恭喜你，你的运气太好了，居然抽中了 100个积分！

恭喜你，抽中了价值元的专栏！

太棒了，直接落到你账户里！

积分商城里的罗技鼠标、机械键盘、
Kindle 阅读器、小米平衡车
Apple iPad （10.2英寸）、大额优惠券
在等着你去兑换了噢

作者：

免费赠送

兑换码：1111222211 复制

优惠券可用于购买实战课、体系课
无门槛使用

先去看看，有什么好东西马上兑换我爱学习，选课去


热搜

最近搜索清空

Apache Flink源码解析 （五）DataStream API

概述

Prerequisites

DataStream

Map

FlatMap

Filter

KeyBy

WindowAll

Union

Join

Window CoGroup

Connect

Split

Iterate

ExtractTimestamps

Project

Custom partitioning

Random partitioning

Rebalancing (Round-robin partitioning)

Rescaling

Broadcasting

KeyedStream

Reduce

Fold

Aggregations

Window

Interval Join

WindowedStream

Apply

Reduce

Aggregations

AllWindowedStream

Apply

ConnectedStreams

CoMap, CoFlatMap

SplitStream

Select

阅读免费教程

Apache Flink源码解析（五）DataStream API