This documentation is for an out-of-date version of Apache Flink. We recommend you use the latest stable version.
Scala API 扩展
Scala API 扩展 #
为了在 Scala 和 Java API 之间保持大致相同的使用体验,在批处理和流处理的标准 API 中省略了一些允许 Scala 高级表达的特性。
如果你想拥有完整的 Scala 体验,可以选择通过隐式转换增强 Scala API 的扩展。
要使用所有可用的扩展,你只需为 DataStream API 添加一个简单的引入
import org.apache.flink.streaming.api.scala.extensions._
或者,您可以引入单个扩展 a-là-carte 来使用您喜欢的扩展。
Accept partial functions #
通常,DataStream API 不接受匿名模式匹配函数来解构元组、case 类或集合,如下所示:
val data: DataStream[(Int, String, Double)] = // [...]
data.map {
case (id, name, temperature) => // [...]
// The previous line causes the following compilation error:
// "The argument types of an anonymous function must be fully known. (SLS 8.5)"
}
这个扩展在 DataStream Scala API 中引入了新的方法,这些方法在扩展 API 中具有一对一的对应关系。这些委托方法支持匿名模式匹配函数。
DataStream API #
Method | Original | Example |
---|---|---|
mapWith | map (DataStream) |
|
flatMapWith | flatMap (DataStream) |
|
filterWith | filter (DataStream) |
|
keyingBy | keyBy (DataStream) |
|
mapWith | map (ConnectedDataStream) |
|
flatMapWith | flatMap (ConnectedDataStream) |
|
keyingBy | keyBy (ConnectedDataStream) |
|
reduceWith | reduce (KeyedStream, WindowedStream) |
|
projecting | apply (JoinedStream) |
|
有关每个方法语义的更多信息, 请参考 DataStream API 文档。
要单独使用此扩展,你可以添加以下引入:
import org.apache.flink.api.scala.extensions.acceptPartialFunctions
用于 DataSet 扩展
import org.apache.flink.streaming.api.scala.extensions.acceptPartialFunctions
下面的代码片段展示了如何一起使用这些扩展方法 (以及 DataSet API) 的最小示例:
object Main {
import org.apache.flink.streaming.api.scala.extensions._
case class Point(x: Double, y: Double)
def main(args: Array[String]): Unit = {
val env = StreamExecutionEnvironment.getExecutionEnvironment
val ds = env.fromElements(Point(1, 2), Point(3, 4), Point(5, 6))
ds.filterWith {
case Point(x, _) => x > 1
}.reduceWith {
case (Point(x1, y1), (Point(x2, y2))) => Point(x1 + y1, x2 + y2)
}.mapWith {
case Point(x, y) => (x, y)
}.flatMapWith {
case (x, y) => Seq("x" -> x, "y" -> y)
}.keyingBy {
case (id, value) => id
}
}
}