Flink原理与实践-DataStream API的介绍和使用.pdfVIP

Flink原理与实践-DataStream API的介绍和使用.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第四章 DataStream API的介绍和使用 Flink程序的骨架结构 1.初始化运行环境 2.读取一到多个Source数据源 3.根据业务逻辑对数据流进行Transformation转换 4. 将结果输出到Sink 5.调用作业执行函数 设置执行环境 • 执行环境是作业与集群交互的入口 // 创建Flink执行环境 • 设置并行度 StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); • 关闭算子链 • 时间、Checkpoint env.setParallelism(2); env.disableOperatorChaining(); • … • 流处理和批处理的执行环境不一样 • Java、Scala两套API Source、Transformation和Sink • Source • 读取数据源统称为Source • 文件系统、消息队列、数据库等 • Transformation • 使用Flink提供的各类函数,进行有状态的计算 • 数据流的分组、窗口和聚合操作等 • Sink • 将计算结果输出到外部系统,统称为Sink • 目的地可以是文件系统、消息队列、数据库等 执行 • Flink是延迟执行 (Lazy Evaluation )的 • 调用execute()方法,Flink才会真正执行 • 否则无法得到计算结果 • 字符串参数为当前作业名 // execute env.execute(kafka streaming word count); 四类Tranformation转换 l 单数据流转换 l 基于Key的分组转换 l 多数据流转换 l 数据重分布转换 l DataStreamT 泛型T为数据流中每个元素的类型 单数据流转换 - map l 每个输入元素对应一个输出元素 l 重写MapFunction或 RichMapFunction @FunctionalInterface public interface MapFunctionT, O extends Function, Serializable { 调用这个API就是继承并实现这个虚函数 l MapFunctionT, O O map(T value) throws Exception; } MapFunction源代码 • T为输入类型 • O为输出类型 第一个泛型是输入类型,第二个泛型是输出类型 l 实现其中的map()虚方法 public static class DoubleMapFunction implements MapFunctionInteger, String { @Override public String map(Integer input) l 主逻辑中调用该函数 {

文档评论(0)

173****0166 + 关注
实名认证
文档贡献者

临床医师执业资格证持证人

医学资料整理

领域认证该用户于2023年01月12日上传了临床医师执业资格证

1亿VIP精品文档

相关文档