Kapitel 5. Die DataStream-API (v1.7)
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Dieses Kapitel führt in die Grundlagen der DataStream-API von Flink ein. Wir zeigen die Struktur und die Komponenten einer typischen Flink-Streaming-Anwendung, besprechen die Typsysteme von Flink und die unterstützten Datentypen und stellen Daten- und Partitionierungstransformationen vor. Fensteroperatoren, zeitbasierte Transformationen, zustandsabhängige Operatoren und Konnektoren werden in den nächsten Kapiteln behandelt. Nach der Lektüre dieses Kapitels weißt du, wie du eine Stream Processing-Anwendung mit grundlegenden Funktionen implementieren kannst. In unseren Codebeispielen verwenden wir aus Gründen der Übersichtlichkeit Scala, aber die Java-API ist größtenteils analog (auf Ausnahmen oder Sonderfälle werden wir hinweisen). Vollständige Beispielanwendungen, die in Java und Scala implementiert wurden, findest du auch in unseren GitHub-Repositories.
Hallo, Flink!
Beginnen wir mit einem einfachen Beispiel, um einen ersten Eindruck davon zu bekommen, wie es ist, Streaming-Anwendungen mit der DataStream-API zu schreiben. Anhand dieses Beispiels werden wir die grundlegende Struktur eines Flink-Programms zeigen und einige wichtige Funktionen der DataStream-API vorstellen. Unsere Beispielanwendung nimmt einen Strom von Temperaturmessungen von mehreren Sensoren auf.
Werfen wir zunächst einen Blick auf den Datentyp, ...
Get Stream Processing mit Apache Flink now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
