如何在 Apache Flink 中对 GroupedDataSet 上的函数进行平面映射

Question

我想通过flatMap 将一个函数应用于DataSet.groupBy 生成的每个组。尝试调用 flatMap 我得到编译器错误：

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 的文档中没有列出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对每个组的期望分布式映射？

Answer 1

您可以使用reduceGroup(GroupReduceFunction f) 处理一个组的所有元素。 GroupReduceFunction 为您提供组中所有元素的 Iterable 和 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（它们都共享相同的_1 元组字段）转换为一个(Int, Array[Int])。取而代之的是，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，组中的所有元素都一起交给函数。然后该函数可以处理组中的所有元素，并将一组(Int, Int) 元素转换为单个(Int, Array[Int]) 元素。