Flink 流媒体，“sum”到底是做什么的？

Question

我无法理解流式传输，以工作计数为例，对于像 Kafka 这样的无限源，“sum”到底是做什么的？

DataStream<Tuple2<String, Long>> counts = input
                ......
                .returns(Types.TUPLE(Types.STRING, Types.LONG))
                .keyBy(0)
                .sum(1);

当有时间窗口时我有点理解，对我来说就像一个“批次”，因为它有开始和结束时间，但是当根本没有时间窗口时，

1. 开始时间和结束时间是什么时候？

2. 当 Flink 第三次接收到单词 'foo' 时，'sum' 是否会遍历所有旧的 'foo'，做 1+1+1，并给出结果 '3'。或者，Flink 以某种方式在上一步中保存了一个中间结果 '2'，所以 'sum' 只做 2+1？

3. 有没有另一种方法来求和，我的意思是，使用 keyBy(0).process(...) 什么的？

Answer 1

指定的程序将转换为StreamGroupedReduce带有SumAggregator. 它将做的StreamGroupedReduce是不断减少传入的数据流并在每个传入记录之后输出新的减少值。在内部，StreamGroupedReduce使用 aValueState来保持当前的减少值。每当有新记录到达时，当前的 reduce 值都会通过调用ReduceFunction（在您的情况下SumAggregator）与传入记录相结合。然后，此操作的结果存储在操作员中ValueState并输出到下游消费者。例如：输入流1, 2, 3, 4, 5在求和时会产生如下输出：1, 3, 5, 9, 14.如果需要，您可以使用keyBy(0).process(...).