https://gitee.com/517424787/Alink/blob/master/docs/pyalink/pyalink-pyflink.md
與 PyFlink 一同使用
在最新的發布中，PyAlink 與 PyFlink 進行了一定的整合。 用戶在新版本的 PyAlink 中能夠使用 PyFlink 的部分功能，同時 PyAlink 腳本也支持像 PyFlink 腳本一樣使用 flink run 來提交作業了。
需要注意的是：這個版本只有 Flink-1.10 對應的 Python 包 pyalink 才具有，pyalink-flink-1.9 沒有以下功能。
一個簡單的例子
我們首先來看一個 PyAlink 與 PyFlink 結合的簡單例子：
from pyalink.alink import *
env, btenv, senv, stenv = getMLEnv() t = stenv.from_elements([(1, 2), (2, 5), (3, 1)], ['a', 'b']) source = TableSourceStreamOp(t) source.print() StreamOperator.execute()
這段代碼中， getMLEnv 設定 PyAlink 的執行環境與 PyFlink 一致，同時返回的執行環境； 接着使用 stenv.from_elements 來創建一個簡單的 Table； 然后使用 PyAlink 的 TableSourceStreamOp 將 Table 轉換為 Alink 所接受的 Operator， 進行輸出打印。
這段代碼示例既可以直接在 Notebook 中運行，也可以直接保存成.py 的腳本文件，使用 PyFlink 腳本的運行方式來執行：
python ***.py： 直接使用本地運行環境；flink run -py ***.py：將腳本提交給遠程集群來運行，參考 Job Submission Examples。
與 PyFlink 共用執行環境
在新版本中，PyAlink 新增了 getMLEnv 的接口，直接獲取 PyFlink 的執行環境，見上文的代碼示例。 這個接口返回四元組(benv, btenv, senv, stenv)，分別對應 PyFlink 中的四種執行環境： ExecutionEnvironment、BatchTableEnvironment、StreamExecutionEnvironment 和 StreamTableEnvironment。 基於這四個變量，用戶可以調用 PyFlink 的接口。
此外，在之前的版本中，PyAlink 提供了方便使用 Flink 不同執行環境的函數：useLocalEnv 和 useRemoteEnv。 這兩個接口在新版本中將同樣返回四元組 (benv, btenv, senv, stenv)。 用戶可以通過返回的執行環境來調用 PyFlink 的接口。
useLocalEnv/useRemoteEnv 與 getMLEnv 的區別在於：
useLocalEnv/useRemoteEnv顯示指定了執行環境是本地還是遠程集群，可以根據需要調用、切換，- 而
getMLEnv則默認情況為本地執行，同時可以根據腳本的運行方式采用對應的執行環境。
這里要注意的是，為了便於調試，PyAlink 允許在調用useLocalEnv/useRemoteEnv后， 再調用getMLEnv，但此時的腳本是不支持flink run來提交作業的。
與 Table 互相轉換
在文首的例子中，我們看到 PyFlink 的 Table 可以轉換為 PyAlink 的 Operator， 然后使用 Alink 的算法組件進行后續操作。
具體來說，PyAlink 提供了 TableSourceBatchOp 和 TableSourceStreamOp 將 PyFlink 中的 Table 分別轉換為 Alink 中的 BatchOperator 和 StreamOperator。
同時，對於 PyAlink 中的 Operator，提供了 getOutputTable 來獲取算法組件對應的 Table 。