Flink算子介绍（Datastream篇）

这些函数都是 Flink 中用于处理流数据的核心操作，每个函数都有其特定的用途和特性：

1. `map`

功能：对流中的每个元素应用一个映射函数，产生一个新的数据流。
特性：
- 每个输入元素都会被转换为一个新的元素。
- 结果流的元素个数与输入流相同，但元素类型可能不同。

示例：

1 2	DataStream<Integer> numbers = env.fromElements(1, 2, 3); DataStream<String> strings = numbers.map(num -> "Number " + num);

2. `filter`

功能：根据提供的过滤条件筛选数据流中的元素，只有满足条件的元素会被保留。
特性：
- 结果流中的元素是原始流的一个子集。
- 元素的类型与输入流相同。

示例：

1 2	DataStream<Integer> numbers = env.fromElements(1, 2, 3); DataStream<Integer> evenNumbers = numbers.filter(num -> num % 2 == 0);

3. `flatMap`

功能：将每个输入元素映射到零个或多个输出元素，可以生成不同数量的结果。
特性：
- 输入流的每个元素可以产生任意数量的输出元素，包括零个。
- 适用于需要拆分或扩展数据的场景。

示例：

DataStream<String> lines = env.fromElements("hello world", "foo bar");
DataStream<String> words = lines.flatMap((line, collector) -> {
    for (String word : line.split(" ")) {
        collector.collect(word);
    }
});

4. `keyBy`

功能：将流中的元素根据某个键进行分组，使得具有相同键的元素被分到同一个组中。
特性：
- 结果是一个 KeyedStream，可以在此基础上应用其他操作，如窗口、聚合等。
- 键可以是任意类型，通常用来在后续操作中进行分组计算。

示例：

1
2
3

DataStream<Tuple2<String, Integer>> stream = env.fromElements(
    new Tuple2<>("apple", 1), new Tuple2<>("banana", 2));
KeyedStream<Tuple2<String, Integer>, String> keyedStream = stream.keyBy(tuple -> tuple.f0);

5. `reduce`

功能：对分组后的元素进行归约操作，将一组元素聚合成一个单一的结果。
特性：
- 常用于对每个键的元素进行累加、合并等操作。
- 需要提供一个归约函数，该函数定义了如何将两个元素合并成一个。

示例：

DataStream<Tuple2<String, Integer>> stream = env.fromElements(
    new Tuple2<>("apple", 1), new Tuple2<>("apple", 2));
DataStream<Tuple2<String, Integer>> reducedStream = stream
    .keyBy(tuple -> tuple.f0)
    .reduce((t1, t2) -> new Tuple2<>(t1.f0, t1.f1 + t2.f1));