Flink的Transformation转换主要包括四种：单数据流基本转换、基于Key的分组转换、多数据流转换和数据重分布转换。读者可以使用Flink Scala Shell或者Intellij Idea来进行练习：

• Flink Scala Shell：使用交互式编程环境学习和调试Flink
• Flink 01 | 十分钟搭建第一个Flink应用和本地集群
• Flink算子使用方法及实例演示：map、filter和flatMap
• Flink算子使用方法及实例演示：keyBy、reduce和aggregations

很多情况下，我们需要对多个数据流进行整合处理，Flink为我们提供了多流转换算子，本文主要介绍多流转换。

union

在DataStream上使用union算子可以合并多个同类型的数据流，并生成同类型的数据流，即可以将多个DataStream[T]合并为一个新的DataStream[T]。数据将按照先进先出(First In First Out)的模式合并，且不去重。下图union对白色和深色两个数据流进行合并，生成一个数据流。

union示意图

假设股票价格数据流来自不同的交易所，我们将其合并成一个数据流：

val shenzhenStockStream: DataStream[StockPrice] = ...val hongkongStockStream: DataStream[StockPrice] = ...val shanghaiStockStream: DataStream[StockPrice] = ...val unionStockStream: DataStream[StockPrice] = shenzhenStockStream.union(hongkongStockStream, shanghaiStockStream)

connect

union虽然可以合并多个数据流，但有一个限制，即多个数据流的数据类型必须相同。connect提供了和union类似的功能，用来连接两个数据流，它与union的区别在于：

1. connect只能连接两个数据流，union可以连接多个数据流。
2. connect所连接的两个数据流的数据类型可以不一致，union所连接的两个数据流的数据类型必须一致。
3. 两个DataStream经过connect之后被转化为ConnectedStreams，ConnectedStreams会对两个流的数据应用不同的处理方法，且双流之间可以共享状态。

connect经常被应用在对一个数据流使用另外一个流进行控制处理的场景上，如下图所示。控制流可以是阈值、规则、机器学习模型或其他参数。

对一个数据流进行控制处理

对于ConnectedStreams，我们需要重写CoMapFunction或CoFlatMapFunction。这两个接口都提供了三个泛型，这三个泛型分别对应第一个输入流的数据类型、第二个输入流的数据类型和输出流的数据类型。在重写函数时，对于CoMapFunction，map1处理第一个流的数据，map2处理第二个流的数据；对于CoFlatMapFunction，flatMap1处理第一个流的数据，flatMap2处理第二个流的数据。Flink并不能保证两个函数调用顺序，两个函数的调用依赖于两个数据流数据的流入先后顺序，即第一个数据流有数据到达时，map1或flatMap1会被调用，第二个数据流有数据到达时，map2或flatMap2会被调用。下面的代码对一个整数流和一个字符串流进行了connect操作。

val intStream: DataStream[Int] = senv.fromElements(1, 0, 9, 2, 3, 6)val stringStream: DataStream[String] = senv.fromElements("LOW", "HIGH", "LOW", "LOW")val connectedStream: ConnectedStreams[Int, String] = intStream.connect(stringStream)// CoMapFunction三个泛型分别对应第一个流的输入、第二个流的输入，map之后的输出class MyCoMapFunction extends CoMapFunction[Int, String, String] {  override def map1(input1: Int): String = input1.toString  override def map2(input2: String): String = input2}val mapResult = connectedStream.map(new MyCoMapFunction)

我们知道，如果不对DataStream按照Key进行分组，数据是随机分配在各个TaskSlot上的，而绝大多数情况我们是要对某个Key进行分析和处理，Flink允许我们将connect和keyBy或broadcast结合起来使用。例如，我们将之前的股票价格数据流与一个媒体评价数据流结合起来，按照股票代号进行分组。

// 先将两个流connect，再进行keyByval keyByConnect1: ConnectedStreams[StockPrice, Media] = stockPriceRawStream  .connect(mediaStatusStream)  .keyBy(0,0)// 先keyBy再connectval keyByConnect2: ConnectedStreams[StockPrice, Media] = stockPriceRawStream.keyBy(0).connect(mediaStatusStream.keyBy(0))

无论先keyBy还是先connect，我们都可以将含有相同Key的数据转发到下游同一个算子实例上。这种操作有点像SQL中的join操作。Flink也提供了join算子，join主要在时间窗口维度上，connect相比而言更广义一些，关于join的介绍将在后续文章中介绍。

下面的代码展示了如何将股票价格和媒体正负面评价结合起来，当媒体评价为正且股票价格大于阈值时，输出一个正面信号。完整代码在我的github上：https://github.com/luweizheng/flink-tutorials

package com.flink.tutorials.demos.stockimport java.util.Calendarimport com.flink.tutorials.demos.stock.StockPriceDemo.{StockPrice, StockPriceSource, StockPriceTimeAssigner}import org.apache.flink.configuration.Configurationimport org.apache.flink.streaming.api.TimeCharacteristicimport org.apache.flink.streaming.api.functions.co.RichCoFlatMapFunctionimport org.apache.flink.streaming.api.functions.source.RichSourceFunctionimport org.apache.flink.streaming.api.functions.source.SourceFunction.SourceContextimport org.apache.flink.streaming.api.scala._import org.apache.flink.util.Collectorimport scala.util.Randomobject StockMediaConnectedDemo {  def main(args: Array[String]) {    // 设置执行环境    val env = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(new Configuration())    env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)    // 每5秒生成一个Watermark    env.getConfig.setAutoWatermarkInterval(5000L)    // 股票价格数据流    val stockPriceRawStream: DataStream[StockPrice] = env      // 该数据流由StockPriceSource类随机生成      .addSource(new StockPriceSource)      // 设置 Timestamp 和 Watermark      .assignTimestampsAndWatermarks(new StockPriceTimeAssigner)    val mediaStatusStream: DataStream[Media] = env      .addSource(new MediaSource)    // 先将两个流connect，再进行keyBy    val keyByConnect1: ConnectedStreams[StockPrice, Media] = stockPriceRawStream      .connect(mediaStatusStream)      .keyBy(0,0)    // 先keyBy再connect    val keyByConnect2: ConnectedStreams[StockPrice, Media] = stockPriceRawStream.keyBy(0)      .connect(mediaStatusStream.keyBy(0))    val alert1 = keyByConnect1.flatMap(new AlertFlatMap).print()    val alerts2 = keyByConnect2.flatMap(new AlertFlatMap).print()    // 执行程序    env.execute("connect stock price with media status")  }  /** 媒体评价    *    * symbol 股票代号    * timestamp 时间戳    * status 评价 正面/一般/负面    */  case class Media(symbol: String, timestamp: Long, status: String)  class MediaSource extends RichSourceFunction[Media]{    var isRunning: Boolean = true    val rand = new Random()    var stockId = 0    override def run(srcCtx: SourceContext[Media]): Unit = {      while (isRunning) {        // 每次从列表中随机选择一只股票        stockId = rand.nextInt(5)        var status: String = "NORMAL"        if (rand.nextGaussian() > 0.9) {          status = "POSITIVE"        } else if (rand.nextGaussian() < 0.05) {          status = "NEGATIVE"        }        val curTime = Calendar.getInstance.getTimeInMillis        srcCtx.collect(Media(stockId.toString, curTime, status))        Thread.sleep(rand.nextInt(100))      }    }    override def cancel(): Unit = {      isRunning = false    }  }  case class Alert(symbol: String, timestamp: Long, alert: String)  class AlertFlatMap extends RichCoFlatMapFunction[StockPrice, Media, Alert] {    var priceMaxThreshold: List[Double] = List(101.0d, 201.0d, 301.0d, 401.0d, 501.0d)    var mediaLevel: String = "NORMAL"    override def flatMap1(stock: StockPrice, collector: Collector[Alert]) : Unit = {      val stockId = stock.symbol.toInt      if ("POSITIVE".equals(mediaLevel) && stock.price > priceMaxThreshold(stockId)) {        collector.collect(Alert(stock.symbol, stock.timestamp, "POSITIVE"))      }    }    override def flatMap2(media: Media, collector: Collector[Alert]): Unit = {      mediaLevel = media.status    }  }}