‘用户自定义 Functions’

    Java

    最基本的方法是实现提供的接口：

    匿名类

    你可以将 function 当做匿名类传递：

    1. data.map(new MapFunction<String, Integer> () {
    2.   public Integer map(String value) { return Integer.parseInt(value); }
    3. });

    Flink 在 Java API 中还支持 Java 8 Lambdas 表达式。

    1. data.filter(s -> s.startsWith("http://"));
    1. data.reduce((i1,i2) -> i1 + i2);

    Rich functions

    所有需要用户自定义 function 的转化操作都可以将 rich function 作为参数。例如，你可以将下面代码

    1.   public Integer map(String value) { return Integer.parseInt(value); }
    2. }

    替换成

    1. class MyMapFunction extends RichMapFunction<String, Integer> {
    2.   public Integer map(String value) { return Integer.parseInt(value); }
    3. }

    并将 function 照常传递给 map transformation:

    Rich functions 也可以定义成匿名类：

    1. data.map (new RichMapFunction<String, Integer>() {
    2.   public Integer map(String value) { return Integer.parseInt(value); }
    3. });

    Scala

    2. data.filter { _.startsWith("http://") }
    1. val data: DataSet[Int] = // [...]
    2. data.reduce { (i1,i2) => i1 + i2 }
    3. data.reduce { _ + _ }

    Rich functions

    所有将 lambda 表达式作为参数的转化操作都可以用 rich function 来代替。例如，你可以将下面代码

    1. data.map { x => x.toInt }

    替换成

    1. class MyMapFunction extends RichMapFunction[String, Int] {
    2.   def map(in: String): Int = in.toInt
    3. }

    并将 function 传递给 map transformation:

    Rich functions 也可以定义成匿名类:

    1. data.map (new RichMapFunction[String, Int] {
    2.   def map(in: String): Int = in.toInt
    3. })

    除了用户自定义的 function（map，reduce 等），Rich functions 还提供了四个方法：open、close、 和 setRuntimeContext。这些方法对于参数化 function （参阅 ）， 创建和最终确定本地状态，访问广播变量（参阅 广播变量），以及访问运行时信息，例如累加器和计数器（参阅 ），以及迭代器的相关信息（参阅 迭代器） 有很大作用。

    累加器是具有加法运算和最终累加结果的一种简单结构，可在作业结束后使用。

    最简单的累加器就是计数器: 你可以使用 Accumulator.add(V value) 方法将其递增。在作业结束时，Flink 会汇总（合并）所有部分的结果并将其发送给客户端。 在调试过程中或在你想快速了解有关数据更多信息时,累加器作用很大。

    Flink 目前有如下内置累加器。每个都实现了 接口。

    • IntCounter , 和 DoubleCounter : 有关使用计数器的示例，请参见下文。
    • : 离散数量的柱状直方图实现。在内部，它只是整形到整形的映射。你可以使用它来计算值的分布，例如，单词计数程序的每行单词的分布情况。

    如何使用累加器：

    1. private IntCounter numLines = new IntCounter();

    其次，你必须在 rich function 的 open() 方法中注册累加器对象。也可以在此处定义名称。

    1. getRuntimeContext().addAccumulator("num-lines", this.numLines);

    现在你可以在操作 function 中的任何位置（包括 open() 和 close() 方法中）使用累加器。

      最终整体结果会存储在由执行环境的 execute() 方法返回的 JobExecutionResult 对象中（当前只有等待作业完成后执行才起作用）。

      1. myJobExecutionResult.getAccumulatorResult("num-lines");

      单个作业的所有累加器共享一个命名空间。因此你可以在不同的操作 function 里面使用同一个累加器。Flink 会在内部将所有具有相同名称的累加器合并起来。

      关于累加器和迭代的注意事项：当前累加器的结果只有在整个作业结束后才可用。我们还计划在下一次迭代中提供上一次的迭代结果。你可以使用 聚合器 来计算每次迭代的统计信息，并基于此类统计信息来终止迭代。

      定制累加器：

      要实现自己的累加器，你只需要实现累加器接口即可。如果你认为自定义累加器应随 Flink 一起提供，请尽管创建 pull request。

      你可以选择实现 或 SimpleAccumulator 。

      Accumulator<V,R> 的实现十分灵活: 它定义了将要添加的值类型 V，并定义了最终的结果类型 R。例如，对于直方图，V 是一个数字且 是一个直方图。 SimpleAccumulator 适用于两种类型都相同的情况，例如计数器。