Flink支持的数据类型

一时失言乱红尘 2022-11-18 10:53 148阅读 0赞

## 一、简介 ##

Flink流应用程序处理的是以数据对象表示的事件流。所以在Flink内部，我们需要能够处理这些对象。它们需要被序列化和反序列化，以便通过网络传送它们；或者从状态后端、检查点和保存点读取它们。为了有效地做到这一点，Flink需要明确知道应用程序所处理的数据类型。Flink使用类型信息的概念来表示数据类型，并且为每个数据类型生成特定的序列化器、反序列化器和比较器。  
Flink还具有一个类型提取系统，该系统分析函数的输入和返回类型，以自动获取类型信息，从而获取序列化器和反序列化器。但是，在某些情况下，例如lamda函数或泛型类型，需要显式地提供类型信息，才能使应用程序正常工作或提高其性能。  
Flink支持Java和Scala中所有常见数据类型。使用最广泛的类型有以下几种。

## 二、支持的数据类型 ##

### 2.1 基础数据类型 ###

Flink支持所有的 Java和Scala 基础数据类型，Int、Double、Long、String、…

DataStream<Integer> numberStream = env.fromElements(1,2,3,4);
    numberStream.map(data -> data * 2);

### 2.2 Java和Scala元组（Tuples） ###

DataStream<Tuple2<String, Integer>> personStream = env.fromElements(
            new Tuple2("Adam", 17),
            new Tuple2("Sarah", 23));
    personStream.filter(p -> p.f1 > 18)

### 2.3 Scala样例类（case classes） ###

case class Person(name: String, age: Int)
    val persons: DataStream[Person] = env.fromElements(
           Person("Adam", 17),
           Person("Sarah", 23))
    persons.filter(p => p.age > 18)

### 2.4 Java简单对象（POJOs） ###

public class Person { 
        public String name;
        public int age;
        // 必须有这个参数为空的构造函数
        public Person(){ }
        public Person(String name, int age){ 
              this.name = name;
              this.age = age;
          }
    }
    
    DataStream<Person> persons = env.fromElements(
             new Person("Alex", 42),
             new Person("Wendy", 23));

### 2.5 其他类型 ###

Array，List，Map、Enum等等。  
Flink 对 Java 和 Scala 中的一些特殊目的的类型也都是支持的，比如Java的ArrayList，HashMap，Enum等等