我想通过 flatMap 将函数应用于 DataSet.groupBy 生成的每个组。尝试调用 flatMap 时出现编译错误:
error: value flatMap is not a member of org.apache.flink.api.scala.GroupedDataSet
我的代码:
var mapped = env.fromCollection(Array[(Int, Int)]())
var groups = mapped.groupBy("myGroupField")
groups.flatMap( myFunction: (Int, Array[Int]) => Array[(Int, Array[(Int, Int)])] ) // error: GroupedDataSet has no member flatMap
确实，在 flink-scala 0.9-SNAPSHOT 的文档中未列出 map 或类似内容。有没有类似的方法可以使用？如何在节点上单独实现每个组的所需分布式映射？
最佳答案
您可以使用 reduceGroup(GroupReduceFunction f) 来处理一个组中的所有元素。 GroupReduceFunction 为您提供一个针对组中所有元素的 Iterable 和一个 Collector 以发出任意数量的元素。
Flink 的 groupBy() 函数不会将多个元素组合成一个元素，即它不会将一组 (Int, Int) 元素(即所有将相同的 _1 元组字段)共享到一个 (Int, Array[Int]) 中。相反，DataSet[(Int, Int)] 在逻辑上进行了分组，以便可以一起处理具有相同键的所有元素。当您在 GroupedDataSet 上应用 GroupReduceFunction 时，将为每个组调用一次该函数。在每次调用中，一个组的所有元素都一起交给函数。然后该函数可以处理该组的所有元素，并将一组 (Int, Int) 元素转换为单个 (Int, Array[Int]) 元素。
关于scala - 如何在 Apache Flink 中对 GroupedDataSet 上的函数进行平面映射，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/30817449/