來源於 https://blog.csdn.net/vincent_duan/article/details/100880838
keyBy 如何指定key
不管是stream還是batch處理，都有一個keyBy(stream)和groupBy(batch)操作。那么該如何指定key？
Some transformations (join, coGroup, keyBy, groupBy) require that a key be defined on a collection of elements. Other transformations (Reduce, GroupReduce, Aggregate, Windows) allow data being grouped on a key before they are applied.
一些算子(transformations)例如join，coGroup，keyBy，groupBy往往需要定義一個key。其他的算子例如Reduce, GroupReduce, Aggregate, Windows，也允許數據按照key進行分組。
DataSet
DataSet<...> input = // [...]
DataSet<...> reduced = input
.groupBy(/*define key here*/)
.reduceGroup(/*do something*/);
DataStream
DataStream<...> input = // [...]
DataStream<...> windowed = input
.keyBy(/*define key here*/)
.window(/*window specification*/);
類似於mysql中的join操作：select a.* , b.* from a join b on a.id=b.id
這里的keyBy就是a.id=b.id
有哪幾種方式定義Key？
方式一：Tuple
DataStream<Tuple3<Integer,String,Long>> input = // [...]
KeyedStream<Tuple3<Integer,String,Long>,Tuple> keyed = input.keyBy(0)
可以傳字段的位置
DataStream<Tuple3<Integer,String,Long>> input = // [...]
KeyedStream<Tuple3<Integer,String,Long>,Tuple> keyed = input.keyBy(0,1)
可以傳字段位置的組合
這對於簡單的使用時沒問題的。但是對於內嵌的Tuple，如下所示：
DataStream<Tuple3<Tuple2<Integer, Float>,String,Long>> ds;
如果使用keyBy(0)，那么他就會使用整個Tuple2<Integer, Float>作為key，（因為Tuple2<Integer, Float>是Tuple3<Tuple2<Integer, Float>,String,Long>的0號位置）。如果想要指定key到Tuple2<Integer, Float>內部中，可以使用下面的方式。
方式二：字段表達式
我們可以使用基於字符串字段表達式來引用內嵌字段去定義key。
之前我們的算子寫法是這樣的：
text.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {
@Override
public void flatMap(String value, Collector<Tuple2<String, Integer>> out) throws Exception {
String[] tokens = value.toLowerCase().split(",");
for(String token: tokens) {
if(token.length() > 0) {
out.collect(new Tuple2<String, Integer>(token, 1));
}
}
}
}).keyBy(0).timeWindow(Time.seconds(5)).sum(1).print().setParallelism(1);
其中的new FlatMapFunction<String, Tuple2<String, Integer>>表示輸入是一個String，輸出是一個Tuple2<String, Integer>。這里我們重新定義一個內部類：
public static class WC {
private String word;
private int count;
public WC() {
}
public WC(String word, int count) {
this.word = word;
this.count = count;
}
@Override
public String toString() {
return "WC{" +
"word='" + word + '\'' +
", count=" + count +
'}';
}
public String getWord() {
return word;
}
public void setWord(String word) {
this.word = word;
}
public int getCount() {
return count;
}
public void setCount(int count) {
this.count = count;
}
}
修改算子的寫法：
text.flatMap(new FlatMapFunction<String, WC>() {
@Override
public void flatMap(String value, Collector<WC> out) throws Exception {
String[] tokens = value.toLowerCase().split(",");
for (String token : tokens) {
if (token.length() > 0) {
out.collect(new WC(token, 1));
}
}
}
}).keyBy("word").timeWindow(Time.seconds(5)).sum("count").print().setParallelism(1);
將原來的輸出Tuple2<String, Integer>，修改為輸出WC類型；將原來的keyBy(0)修改為keyBy("word")；將原來的sum(1)修改為sum("count")
因此，在這個例子中我們有一個POJO類，有兩個字段分別是"word"和"count"，可以傳遞字段名到keyBy("")中。
語法：
字段名一定要與POJO類中的字段名一致。一定要提供默認的構造函數，和get與set方法。
使用Tuple時，0表示第一個字段
可以使用嵌套方式，舉例如下：
public static class WC {
public ComplexNestedClass complex; //nested POJO
private int count;
// getter / setter for private field (count)
public int getCount() {
return count;
}
public void setCount(int c) {
this.count = c;
}
}
public static class ComplexNestedClass {
public Integer someNumber;
public float someFloat;
public Tuple3<Long, Long, String> word;
public IntWritable hadoopCitizen;
}
"count"，指向的是WC中的字段count
"complex"，指向的是復雜數據類型，會遞歸選擇所有ComplexNestedClass的字段
"complex.word.f2"，指向的是Tuple3中的最后一個字段。
"complex.hadoopCitizen"，指向的是Hadoop IntWritable type
scala寫法：
object StreamingWCScalaApp {
def main(args: Array[String]): Unit = {
val env = StreamExecutionEnvironment.getExecutionEnvironment
// 引入隱式轉換
import org.apache.flink.api.scala._
val text = env.socketTextStream("192.168.152.45", 9999)
text.flatMap(_.split(","))
.map(x => WC(x,1))
.keyBy("word")
.timeWindow(Time.seconds(5))
.sum("count")
.print()
.setParallelism(1)
env.execute("StreamingWCScalaApp");
}
case class WC(word: String, count: Int)
}
方式三：key選擇器函數
.keyBy(new KeySelector<WC, Object>() {
@Override
public Object getKey(WC value) throws Exception {
return value.word;
}
})
————————————————
版權聲明：本文為CSDN博主「vincent_duan」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/vincent_duan/java/article/details/100880838