Flink迭代操作末文-迭代流

Posted 2021-04-13 浪尖聊大数据

Flink作为优秀的流处理框架，自有其独到之处，比如我们前面讲了：

这个可以用来分流，很方便的一次就可以对数据进行筛选返回。

还有针对算法处理的迭代操作，我们已经讲过两篇文章了：

一个是全量迭代，一个是增量迭代。

还有优秀又鸡肋的watermark机制

对于迭代操作，其实还有一讲，那就是流处理的迭代操作。那么本文就针对这个进行分析～

Flink的迭代流程序实际就是实现了一个步进函数，然后将其嵌入到IterativeStream内部。要知道Flink的Datastream正常情况下是不会结束的，所以也没有所谓的最大迭代次数。这种情况下，你需要自己指定哪个类型的数据需要回流去继续迭代，哪个类型的数据继续向下传输，这个分流的方式有两种：split和filter，官方网站在介绍迭代流的时候使用的是filter。我们这里就先按照官网的介绍走，然后案例展示的时候使用split给大家做个demo。

首先，要创建一个IterativeStream

IterativeStream<Integer> iteration =input.iterate(); 

接着就可以定义对该留要进行的逻辑操作，官网这里就很简单的举了一个map的例子。

DataStream<Integer> iterationBody =iteration.map(/* this is executed many times */);

调用IterativeStream的closeWith(feedbackStream)方法可以对迭代流进行闭环操作。传递给closeWith函数的DataStream会返回值迭代的头部。常用的做法是用filter来分离流的向后迭代的部分和向前传递的部分。。

iteration.closeWith(iterationBody.filter(/*one part of the stream */));

DataStream<Integer> output =iterationBody.filter(/* some other part of the stream */);

官方给了一个连续不断减1直到数据为零的例子：

DataStream<Long> someIntegers =env.generateSequence(0, 1000);

// 创建迭代流

IterativeStream<Long> iteration =someIntegers.iterate();

// 增加处理逻辑，对元素执行减一操作。

DataStream<Long> minusOne =iteration.map(new MapFunction<Long, Long>() {

 @Override

 public Long map(Long value) throws Exception {

   return value - 1 ;

  }

});

 // 获取要进行迭代的流，

DataStream<Long> stillGreaterThanZero= minusOne.filter(new FilterFunction<Long>() {

 @Override

 public boolean filter(Long value) throws Exception {

   return (value > 0);

  }

});

// 对需要迭代的流形成一个闭环

iteration.closeWith(stillGreaterThanZero);

// 小于等于0的数据继续向前传输

DataStream<Long> lessThanZero =minusOne.filter(new FilterFunction<Long>() {

 @Override

 public boolean filter(Long value) throws Exception {

   return (value <= 0);

  }

});

刚刚分享了一套kylin课程，欢迎与490+好友一起学习