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*/);

類似于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

這對于簡單的使用時沒問題的。但是對于內嵌的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

我們可以使用基于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>>() {@Overridepublic 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;}@Overridepublic 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>() {@Overridepublic 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 POJOprivate 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>() {@Overridepublic Object getKey(WC value) throws Exception {return value.word;}})

總結

以上是生活随笔為你收集整理的Apache Flink 零基础入门（七）Flink中keyBy三种方式指定key的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。