Flink的多流转换（分流-侧输出流、合流-union、connect、join）

        在实际应用中，我们可能要将多个不同来源的数据连接合并在一起进行处理，也有可能要将一条流拆分成多条流进行处理，这就涉及到了Flink的多流转换问题。简单来说，就是分流和合流两大操作，分流主要通过侧输出流实现，合流的算子就比较丰富了，有union、connect、join等。

一、分流

        所谓分流，就是通过定义一些筛选条件，将一个dataStream拆分成多个子dataStream的过程，每条子数据流之间完全独立。Flink中的分流主要通过侧输出流来实现。

        通过调用底层的处理函数，可以获取到上下文信息，调用上下文的.output方法就可以实施分流操作了。.output方法需要传入一个“输出标签"(OutputTag)，用来标记侧输出流（相当于给侧输出流盖了个戳，指明他的名称和类型），之后也可以通过.getSideOutput()方法传入OutputTag获取到相应的侧输出流。

二、合流

        对多个来源的多条流进行联合处理时，需要用到合流操作，具体有如下几种合流算子：

1. union

        union操作要求不同流中的数据类型必须一致, 类似sql语言中的union，是纵向的合并。对datastream调用.union方法即可实现多流合并，合并后的流类型仍然是datastream。这里要注意，多条流合并后的水位线应以最小的那个为准（类似多个并行子任务向下游传递）。

stream1.union(stream2, stream3, ...)