|NO.Z.00026|——————————|BigDataEnd|——|Hadoop&Flink.V10|——|Flink.v10|API详解Flink DataSet|DataSource|Transformation|Sink|

一、Flink DataSet常用API

### --- Flink DataSet常用API

~~~     DataSet API同DataStream API一样有三个组成部分，各部分作用对应一致，此处不再赘述

二、DataSource

### --- DataSource

~~~     对DataSet批处理而言，较为频繁的操作是读取HDFS中的文件数据，
~~~     因为这里主要介绍两个DataSource组件

### --- 基于集合

~~~     fromCollection(Collection)，主要是为了方便测试使用

### --- 基于文件

~~~     readTextFile(path)，基于HDFS中的数据进行计算分析

三、Transformation：Transformation实现方法

TransFormation	Description
Map	在算子中得到一个元素并生成一个新元素data.map { x => x.toInt }
FlatMap	在算子中获取一个元素, 并生成任意个数的元素data.flatMap { str =>str.split(" ") }
MapPartition	类似Map, 但是一次Map一整个并行分区data.mapPartition { in => in map { (_, 1) } }
Filter	如果算子返回true则包含进数据集, 如果不是则被过滤掉data.filter { _ > 100 }
Reduce	通过将两个元素合并为一个元素, 从而将一组元素合并为一个元素 data.reduce { _ + _ }
ReduceGroup	将一组元素合并为一个或者多个元素 data.reduceGroup { elements => elements.sum }
Aggregate	讲一组值聚合为一个值, 聚合函数可以看作是内置的Reduce函数 data.aggregate(SUM, 0).aggregate(MIN, 2)data.sum(0).min(2)
Distinct	去重
Join	按照相同的Key合并两个数据集 input1.join(input2).where(0).equalTo(1)同时也可以选择进行合并的时候的策略, 是分区还是广播, 是基于排序的算法还是基于哈希的算法 input1.join(input2, JoinHint.BROADCAST_HASH_FIRST).where(0).equalTo(1)
OuterJoin	外连接, 包括左外, 右外, 完全外连接等 left.leftOuterJoin(right).where(0).equalTo(1) { (left, right) => ... }
CoGroup	二维变量的Reduce运算, 对每个输入数据集中的字段进行分组, 然后join 这些组input1.coGroup(input2).where(0).equalTo(1)
Cross	笛卡尔积input1.cross(input2)
Union	并集input1.union(input2)
Rebalance	分区重新平衡, 以消除数据倾斜input.rebalance()
Hash-Partition	按照Hash分区input.partitionByHash(0)
Range-Partition	按照Range分区input.partitionByRange(0)
CustomParititioning	自定义分区input.partitionCustom(partitioner: Partitioner[K], key)
First-n	返回数据集中的前n个元素input.first(3)
partitionByHash	按照指定的key进行hash分区
sortPartition	指定字段对分区中的数据进行排序

### --- Flink针对DataSet也提供了大量的已经实现的算子，和DataStream计算很类似

~~~     Map：输入一个元素，然后返回一个元素，中间可以进行清洗转换等操作
~~~     FlatMap：输入一个元素，可以返回0个、1个或者多个元素
~~~     Filter：过滤函数，对传入的数据进行判断，符合条件的数据会被留下
~~~     Reduce：对数据进行聚合操作结合当前元素和上一次Reduce返回的值进行聚合操作然后返回一个新值
~~~     Aggregations：sum()、min()、max()等

四、Sink

### --- Flink针对DataStream提供了大量的已经实现的数据目的地（Sink），具体如下所示

~~~     # writeAsText()：
~~~     将元素以字符串形式逐行写入，这些字符串通过调用每个元素的toString()方法来获取

~~~     # writeAsCsv()：
~~~     将元组以逗号分隔写入文件中，行及字段之间的分隔是可配置的，
~~~     每个字段的值来自对象的toString()方法

~~~     # print()/pringToErr()：
~~~     打印每个元素的toString()方法的值到标准输出或者标准错误输出流中
~~~     Flink提供了一批内置的Connector，其中有的Connector会提供对应的Sink支持，如1.1节中表所示

Walter Savage Landor:strove with none,for none was worth my strife.Nature I loved and, next to Nature, Art:I warm'd both hands before the fire of life.It sinks, and I am ready to depart

——W.S.Landor