Java Flink streaming，究竟是什么'；总和'；做

我很难理解流媒体，以workcount为例，对于像Kafka这样的无限源，“sum”到底做了什么

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

数据流计数=输入
......
.returns（Types.TUPLE（Types.STRING，Types.LONG））
.keyBy（0）
.总数（1）；

我有点理解有时间窗的情况，对我来说就像一个“批次”，因为它有开始和结束时间，但当根本没有时间窗的时候

什么是开始时间和结束时间

当弗林克第三次收到单词“foo”时，“sum”是否会遍历所有旧的“foo”，执行1+1+1，并给出结果“3”。或者，Flink在前一步中以某种方式保存了一个中间结果“2”，所以“sum”只执行2+1

有没有其他方法来求和，我的意思是，使用keyBy（0）。process（…）或其他方法

---

指定的程序将使用

sumgaggregator

转换为

StreamGroupedReduce

。

StreamGroupedReduce

将持续减少传入数据流，并在每个传入记录之后输出新的减少值

在内部，

StreamGroupedReduce

使用保持当前reduce值的

ValueState

。每当新记录到达时，当前的reduce值通过调用

reduce函数

（在您的情况下是

sumgaggregator

）与传入记录相结合。然后，此操作的结果存储在操作员的

ValueState

中，并输出到下游消费者

例如：输入流

1,2,3,4,5

在求和时将生成以下输出：

1,3,5,9,14

---

如果需要，则可以使用

keyBy（0）实现相同的行为。进程（…）

指定的程序将转换为带有

SumAggregator的
StreamGroupedReduce
。
StreamGroupedReduce
将持续减少传入数据流，并在每个传入记录之后输出新的减少值

在内部，
StreamGroupedReduce
使用保持当前reduce值的
ValueState
。每当新记录到达时，当前的reduce值通过调用
reduce函数
（在您的情况下是
sumgaggregator
）与传入记录相结合。然后，此操作的结果存储在操作员的
ValueState
中，并输出到下游消费者

例如：输入流
1,2,3,4,5
在求和时将生成以下输出：
1,3,5,9,14

如果需要，您可以使用
keyBy（0）实现相同的行为。process（…）
谢谢。所以，我觉得Flink通过使用ValueState保存了一个中间结果。谢谢。在我看来，Flink通过使用ValueState保存了一个中间结果。