Apache Flink 数据类型与序列化详解-优快云博客

本文链接：https://blog.youkuaiyun.com/test_test111/article/details/117674481

Apache Flink 以其独特的方式来处理数据类型以及序列化，这种方式包括它自身的类型描述符、泛型类型提取以及类型序列化框架。本文档描述了它们背后的概念和基本原理。

支持的数据类型

Flink 对可以在 DataSet 或 DataStream 中的元素类型进行了一些限制。这样做的原因是系统会分析类型以确定有效的执行策略。

Java Tuple 和 Scala Case类；
Java POJO；
基本类型；
通用类；
值；
Hadoop Writables;
特殊类型

Flink之Tuple类型

Tuple类型 Tuple 是flink 一个很特殊的类型（元组类型），是一个抽象类，共26个Tuple子类继承Tuple 他们是 Tuple0一直到Tuple25

package org.apache.flink.api.java.tuple;import java.io.Serializable;import org.apache.flink.annotation.Public;import org.apache.flink.types.NullFieldException;@Publicpublic abstract class Tuple implements Serializable {    private static final long serialVersionUID = 1L;    public static final int MAX_ARITY = 25;    private static final Class<?>[] CLASSES = new Class[]{Tuple0.class, Tuple1.class, Tuple2.class, Tuple3.class, Tuple4.class, Tuple5.class, Tuple6.class, Tuple7.class, Tuple8.class, Tuple9.class, Tuple10.class, Tuple11.class, Tuple12.class, Tuple13.class, Tuple14.class, Tuple15.class, Tuple16.class, Tuple17.class, Tuple18.class, Tuple19.class, Tuple20.class, Tuple21.class, Tuple22.class, Tuple23.class, Tuple24.class, Tuple25.class};    public Tuple() {    }    public abstract <T> T getField(int var1);    public <T> T getFieldNotNull(int pos) {        T field = this.getField(pos);        if (field != null) {            return field;        } else {            throw new NullFieldException(pos);        }    }    public abstract <T> void setField(T var1, int var2);    public abstract int getArity();    public abstract <T extends Tuple> T copy();    public static Class<? extends Tuple> getTupleClass(int arity) {        if (arity >= 0 && arity <= 25) {            return CLASSES[arity];        } else {            throw new IllegalArgumentException("The tuple arity must be in [0, 25].");        }    }    public static Tuple newInstance(int arity) {        switch(arity) {        case 0:            return Tuple0.INSTANCE;        case 1:            return new Tuple1();        case 2:            return new Tuple2();        case 3:            return new Tuple3();        case 4:            return new Tuple4();        case 5:            return new Tuple5();        case 6:            return new Tuple6();        case 7:            return new Tuple7();        case 8:            return new Tuple8();        case 9:            return new Tuple9();        case 10:            return new Tuple10();        case 11:            return new Tuple11();        case 12:            return new Tuple12();        case 13:            return new Tuple13();        case 14:            return new Tuple14();        case 15:            return new Tuple15();        case 16:            return new Tuple16();        case 17:            return new Tuple17();        case 18:            return new Tuple18();        case 19:            return new Tuple19();        case 20:            return new Tuple20();        case 21:            return new Tuple21();        case 22:            return new Tuple22();        case 23:            return new Tuple23();        case 24:            return new Tuple24();        case 25:            return new Tuple25();        default:            throw new IllegalArgumentException("The tuple arity must be in [0, 25].");        }    }}

查看源码我们看到Tuple0一直到Tuple25

我们看flink为我们为我们构造好了0-25个字段的模板类

package org.apache.flink.api.java.tuple;import java.io.ObjectStreamException;import org.apache.flink.annotation.Public;@Publicpublic class Tuple0 extends Tuple {    private static final long serialVersionUID = 1L;    public static final Tuple0 INSTANCE = new Tuple0();    public Tuple0() {    }    public int getArity() {        return 0;    }    public <T> T getField(int pos) {        throw new IndexOutOfBoundsException(String.valueOf(pos));    }    public <T> void setField(T value, int pos) {        throw new IndexOutOfBoundsException(String.valueOf(pos));    }    public Tuple0 copy() {        return new Tuple0();    }    public String toString() {        return "()";    }    public boolean equals(Object o) {        return this == o || o instanceof Tuple0;    }    public int hashCode() {        return 0;    }    private Object readResolve() throws ObjectStreamException {        return INSTANCE;    }}

Tuple的使用

方式一：初始化元组

可使用静态方法 newInstance进行元组构造指定元组空间大小;

ex: 1 则元组只有一个空间，则实际使用的Tuple1 字段只有f0

ex: 12 则元组只有两个空间，则实际使用的Tuple2 字段只有f0,f1

指定 Tuple元组空间大小（可理解为字段个数）

Tuple tuple = Tuple.newInstance(1);

方式一：构造元组

使用Tuple.newInstance(xx),指定元组空间大小的话，这样存取虽然能够实现，但会存在存储索引位置使用不正确的情况，可能由于失误操作编写出索引越界异常，而且使用不太方便，使用Tuplex.of(数据)方法构造Tuple元组

Tuple3<String, String, String> tuple3 = Tuple3.of("test0", "test1", "test2");System.out.println(tuple3.f0); // test0System.out.println(tuple3.f1); // test1System.out.println(tuple3.f2); // test2

Flink之POJO类型

Java和Scala的类在满足下列条件时，将会被Flink视作特殊的POJO数据类型专门进行处理：

1.是公共类；

2.无参构造是公共的；

3.所有的属性都是可获得的（声明为公共的，或提供get,set方法）；

4.字段的类型必须是Flink支持的。Flink会用Avro来序列化任意的对象。

Flink会分析POJO类型的结构获知POJO的字段。POJO类型要比一般类型好用。此外，Flink访问POJO要比一般类型更高效。

public class WordWithCount {    public String word;    public int count;    public WordWithCount() {}    public WordWithCount(String word, int count) { this.word = word; this.count = count; }}    DataStream<WordWithCount> wordCounts = env.fromElements(    new WordWithCount("hello", 1),    new WordWithCount("world", 2));    wordCounts.keyBy("word");

Flink之基本类型

Flink支持Java和Scala所有的基本数据类型，比如 Integer，String,和Double。

Flink之通用类型

Flink支持大多数的Java,Scala类（API和自定义）。包含不能序列化字段的类在增加一些限制后也可支持。遵循Java Bean规范的类一般都可以使用。

所有不能视为POJO的类Flink都会当做一般类处理。这些数据类型被视作黑箱，其内容是不可见的。通用类使用Kryo进行序列/反序列化。

Flink之值类型Values

通过实现org.apache.flinktypes.Value接口的read和write方法提供自定义代码来进行序列化/反序列化，而不是使用通用的序列化框架。

Flink预定义的值类型与原生数据类型是一一对应的(例如:ByteValue, ShortValue, IntValue, LongValue, FloatValue, DoubleValue, StringValue, CharValue, BooleanValue)。这些值类型作为原生数据类型的可变变体，他们的值是可以改变的，允许程序重用对象从而缓解GC的压力。

Flink之Hadoop的Writable类

它实现org.apache.hadoop.Writable接口的类型，该类型的序列化逻辑在write()和readFields()方法中实现。

Flink之特殊类型

Flink比较特殊的类型有以下两种：

1.Scala的 Either、Option和Try。

2.Java ApI有自己的Either实现。

Java Api 与 Scala 的类似Either，它表示两种可能类型的值，Left或Right。Either对于错误处理或需要输出两种不同类型的记录的运算符很有用。

类型擦除和类型推理

Java编译器在编译之后会丢弃很多泛型类型信息。这在Java中称为类型擦除。这意味着在运行时，对象的实例不再知道其泛型类型。

例如，在JVM中，DataStream<String>和DataStream<Long>的实例看起来是相同的。

List<String> l1 = new ArrayList<String>();List<Integer> l2 = new ArrayList<Integer>();System.out.println(l1.getClass() == l2.getClass());

泛型：一种较为准确的说法就是为了参数化类型，或者说可以将类型当作参数传递给一个类或者是方法。Flink 的Java API会试图去重建（可以做类型推理）这些被丢弃的类型信息，并将它们明确地存储在数据集以及操作中。你可以通过DataStream.getType()方法来获取类型，这个方法将返回一个TypeInformation的实例，这个实例是Flink内部表示类型的方式。

如果觉得文章能帮到您，欢迎关注微信公众号：“蓝天Java大数据” ，共同进步！