13518219792
这篇文章主要讲解了“如何用Flink Apply对窗口内的数据流进行处理”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“如何用Flink Apply对窗口内的数据流进行处理”吧！
创新互联是一家专业提供莲花企业网站建设,专注与网站设计制作、网站建设、HTML5建站、小程序制作等业务。10年已为莲花众多企业、政府机构等服务。创新互联专业网络公司优惠进行中。
Apply算子：对窗口内的数据流进行处理
示例环境
java.version: 1.8.x flink.version: 1.11.1
示例数据源 （项目码云下载）
Flink 系例 之 搭建开发环境与数据
Apply.java
import com.flink.examples.DataSource;
import org.apache.flink.api.java.functions.KeySelector;
import org.apache.flink.api.java.tuple.Tuple3;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.windowing.WindowFunction;
import org.apache.flink.streaming.api.windowing.windows.GlobalWindow;
import org.apache.flink.util.Collector;
import java.util.Iterator;
import java.util.List;
/**
* @Description Apply方法：对窗口内的数据流进行处理
*/
public class Apply {
/**
* 遍历集合，分别打印不同性别的总人数与年龄之和
* @param args
* @throws Exception
*/
public static void main(String[] args) throws Exception {
final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
List> tuple3List = DataSource.getTuple3ToList();
DataStream dataStream = env.fromCollection(tuple3List)
.keyBy((KeySelector, String>) k -> k.f1)
//按数量窗口滚动，每3个输入窗口数据流，计算一次
.countWindow(3)
//只能基于Windowed窗口Stream进行调用
.apply(
//WindowFunction
new WindowFunction, String, String, GlobalWindow>() {
/**
* 处理窗口数据集合
* @param s 从keyBy里返回的key值
* @param window 窗口类型
* @param input 从窗口获取的所有分区数据流
* @param out 输出数据流对象
* @throws Exception
*/
@Override
public void apply(String s, GlobalWindow window, Iterable> input, Collector out) throws Exception {
Iterator> iterator = input.iterator();
int total = 0;
int i = 0;
while (iterator.hasNext()){
Tuple3 tuple3 = iterator.next();
total += tuple3.f2;
i ++ ;
}
out.collect(s + "共:"+i+"人，累加总年龄：" + total);
}
});
dataStream.print();
env.execute("flink Filter job");
}
} 打印结果
4> girl共:3人，累加总年龄：74 2> man共:3人，累加总年龄：79
感谢各位的阅读，以上就是“如何用Flink Apply对窗口内的数据流进行处理”的内容了，经过本文的学习后，相信大家对如何用Flink Apply对窗口内的数据流进行处理这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！
