第5章
DataStream API基础篇

我们在第2章介绍Flink快速上手时，曾编写过一个简单的词频统计（WordCount）程序，相信读者已经对Flink的编程方式有了基本的认识。接下来，我们将开始大量的代码练习，详细了解用于Flink程序开发的API用法。

Flink具有非常灵活的分层API设计，其中的核心层就是DataStream/DataSet API。由于新版本已经实现了流批一体，DataSet API将被弃用，官方推荐统一使用DataStream API处理流数据和批数据。由于内容较多，我们将用几章的篇幅来做详细讲解，本章主要介绍基本的DataStream API用法。

DataStream（数据流）是Flink中一个用来表示数据集合的类，我们编写的Flink代码其实就是基于这种数据类型的处理，所以这套核心API就以DataStream命名。对于批处理和流处理，我们都可以用同一套API来实现。

DataStream在用法上有些类似于常规的Java集合，但又有所不同。我们在代码中往往并不关心集合中具体的数据，而只是用API定义出一连串的操作来处理它们，这就叫作数据流的“转换”（Transformation）。

一个Flink程序，其实就是对DataStream的各种转换。具体来说，Flink程序基本上都由以下几部分构成。

· 获取执行环境。

· 读取数据源。

· 定义基于数据的转换操作。

· 定义计算结果的输出位置。

· 触发程序执行。

其中，获取环境和触发执行，都可以认为是针对执行环境的操作。所以本章我们就从执行环境、数据源、转换操作、输出四大部分，对常用的DataStream API做基本介绍，如图5-1所示。