最新Flink 学习3 - 流处理API的基本转换算子 + 多流转换算子，2024年最新成功入职腾讯月薪45K

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

流处理API-Transform

1、基本转换算子

map、flatMap、filter通常被统一称为基本转换算子（简单转换算子）


DataStream 里没有 reduce 和 sum 这类聚合操作的方法，因为 Flink 设计中，所有数据必须先分组才能做聚合操作。
先 keyBy 得到 KeyedStream，然后调用其 reduce、sum 等聚合操作方法。（先分组后聚合）

常见的聚合操作算子主要有：

• keyBy
• 滚动聚合算子 Rolling Aggregation
• reduce

DataStream -> KeyedStream：逻辑地将一个流拆分成不相交的分区，每个分区包含具有相同key的元素，在内部以hash的形式实现的。

1、KeyBy会重新分区； 2、不同的key有可能分到一起，因为是通过hash原理实现的；

Rolling Aggregation

这个算子可以针对 KeyedStream 每一个支流做聚合

• sum()
• min()
• max()
• minBy()
• maxBy()

错误

//lamda表达式 are not supported at language level ‘7’ 改成 level8

This type (GenericType<com.example.apitest.beans.SensorReading>) cannot be used as key

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

且后续会持续更新**

需要这份系统化资料的朋友，可以戳这里获取