Flink 侧输出流使用

最新推荐文章于 2025-10-21 08:30:00 发布

逆风飞翔的小叔

最新推荐文章于 2025-10-21 08:30:00 发布

阅读量1w

点赞数 2

CC 4.0 BY-SA版权

分类专栏： flink 入门到精通文章标签： Flink 侧输出流使用 Flink 侧输出流侧输出流

本文链接：https://blog.youkuaiyun.com/congge_study/article/details/123768367

flink 入门到精通专栏收录该内容

40 篇文章 ¥15.90 ¥99.00

订阅专栏

超级会员免费看

本文探讨了Flink的侧输出流机制，它允许在处理数据流时，根据规则将不同类型的事件分流，避免数据复制，提高效率。侧输出也用于处理迟到数据，确保数据完整性。通过一个例子说明，如何将温度传感器数据按30度阈值分为主流和侧输出流，主流处理超温数据，侧输出流则用于后续操作。

什么是Flink 的侧输出

flink处理数据流时，经常会遇到这样的情况：处理一个数据源时，往往需要将该源中的不同类型的数据做分割（分流）处理，假如使用 filter算子对数据源进行筛选分割的话，势必会造成数据流的多次复制，造成不必要的性能浪费；

flink中的侧输出，就是将数据流进行分割，而不对流进行复制的一种分流机制。flink的侧输出的另一个作用就是对延时迟到的数据进行处理，这样就可以不必丢弃迟到的数据；

简单理解就是，根据业务上的一定规则，将一个源中的数据拆分成不同的流，即主流和侧输出流；

举例来说，源数据流中有一批监控某流水线传感器温度的数据，我们需要将这批数据按照30为一个基准进行拆分，业务上更加关注的是超过30度的数据，因此可以作为主流输出，而低于30度的数据并不想丢弃，因此作为侧输出流，在侧输出流中做后续的处理，下面来看具体的代码演示，

import com.congge.source.SensorReading;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.func