flink 是否在批处理模式下即时减少

Question

根据 flink 流媒体文档：

窗口函数可以是 ReduceFunction、FoldFunction 或 WindowFunction 之一。前两个可以更有效地执行（参见状态大小部分），因为 Flink 可以在每个窗口的元素到达时增量聚合它们。

这同样适用于批处理模式吗？在下面的示例中，我正在从 cassandra 读取 ~36go 的数据，但我希望减少的输出要小得多（~0.5go）。运行此作业是否需要 flink 将整个输入存储在内存中，或者它是否足够智能以对其进行迭代

DataSet<MyRecord> input = ...;
DataSet<MyRecord> sampled = input
        .groupBy(MyRecord::getSampleKey)
        .reduce(MyRecord::keepLast);

Answer 1

根据有关Flink 中的 Reduce 操作的文档，我看到以下内容：应用于分组数据集的 Reduce 转换使用用户定义的 reduce 函数将每个组减少为单个元素。对于每组输入元素，reduce 函数将成对的元素连续组合成一个元素，直到每组只剩下一个元素。请注意，对于 ReduceFunction，返回对象的键控字段应与输入值匹配。这是因为reduce 是隐式可组合的，并且从组合运算符发出的对象在传递给reduce 运算符时再次按键分组。如果我没看错，Flink在映射器端执行 reduce 操作，然后在reducer端再次执行，因此实际发出/序列化的数据应该很小。