Flink的Split怎么使用

這篇文章主要講解了“Flink的Split怎么使用”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Flink的Split怎么使用”吧！

Split算子：將數據流切分成多個數據流（已過時，并且不能二次切分，不建議使用）

示例環境

java.version: 1.8.x
flink.version: 1.11.1

示例數據源 （項目碼云下載）

Flink 系例 之 搭建開發環境與數據

Split.java

package com.flink.examples.functions;

import com.flink.examples.DataSource;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.api.java.tuple.Tuple3;
import org.apache.flink.api.java.tuple.Tuple4;
import org.apache.flink.streaming.api.collector.selector.OutputSelector;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.SplitStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;

import java.util.ArrayList;
import java.util.List;

/**
 * @Description Split算子：將數據流切分成多個數據流（已過時，并且不能二次切分，不建議使用）
 */
public class Split {

    /**
     * 遍歷集合，將數據流切分成多個流并打印
     * @param args
     * @throws Exception
     */
    public static void main(String[] args) throws Exception {
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);
        List<Tuple3<String, String, Integer>> tuple3List = DataSource.getTuple3ToList();
        //Datastream
        DataStream<Tuple3<String, String, Integer>> dataStream = env.fromCollection(tuple3List);
        //按性別進行拆分
        //flink.1.11.1顯示SplitStream類過時，推薦用keyBy的方式進行窗口處理或SideOutput側輸出流處理；注意，使用split切分后的流，不可二次切分，否則會拋異常
        SplitStream<Tuple3<String, String, Integer>> split = dataStream.split(new OutputSelector<Tuple3<String, String, Integer>>() {
            @Override
            public Iterable<String> select(Tuple3<String, String, Integer> value) {
                List<String> output = new ArrayList<String>();
                if (value.f1.equals("man")) {
                    output.add("man");
                } else {
                    output.add("girl");
                }
                return output;
            }
        });

        //查詢指定名稱的數據流
        DataStream<Tuple4<String, String, Integer, String>> dataStream1 = split.select("man")
                .map(new MapFunction<Tuple3<String, String, Integer>, Tuple4<String, String, Integer, String>>() {
                    @Override
                    public Tuple4<String, String, Integer, String> map(Tuple3<String, String, Integer> t3) throws Exception {
                        return Tuple4.of(t3.f0, t3.f1, t3.f2, "男");
                    }
                });

        DataStream<Tuple4<String, String, Integer, String>> dataStream2 = split.select("girl")
                .map(new MapFunction<Tuple3<String, String, Integer>, Tuple4<String, String, Integer, String>>() {
                    @Override
                    public Tuple4<String, String, Integer, String> map(Tuple3<String, String, Integer> t3) throws Exception {
                        return Tuple4.of(t3.f0, t3.f1, t3.f2, "女");
                    }
                });
        //打印:男
        dataStream1.print();
        //打印：女
        dataStream2.print();

        env.execute("flink Split job");
    }
}

 打印結果

(張三,man,20,男)
(李四,girl,24,女)
(王五,man,29,男)
(劉六,girl,32,女)
(伍七,girl,18,女)
(吳八,man,30,男)

感謝各位的閱讀，以上就是“Flink的Split怎么使用”的內容了，經過本文的學習后，相信大家對Flink的Split怎么使用這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！