文章目录
- Flink学习笔记
-
- Flink实操篇
-
- Flink 并行度 & Slot & Task
-
- 1. 并行度
- 2. 并行度的设置
-
- 算子级别
- 执行环境级别
- 客户端级别
- 系统级别
- 3. 并行度操作
- DataStream 编程模型
- DataStream 编程模型
- Flink 的 DataSource 数据源
-
- 1. 基于文件
- 2. 基于 Socket
- 3. 基于集合
- 4. 自定义输入
-
- 案例一:自定义单并行度数据源
- 案例二:自定义多并行度数据源
- Flink 的 Sink 数据目标
-
- 1. Flink 写数据到 redis 中
- DataStream 转换算子
-
- 1. map、filter
- 2. flatMap、keyBy、sum
- 3. reduce
- 4. union
- 5. connect
- 6. 重分区算子
- DataSet 转换算子
-
- 1. mapPartition
- 2. distinct
- 3. join
- 4. leftOutJoin、rightOuterJoin
- 5. cross
- 6. first-n和sortPartition

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/27833.html