Java ApacheFlink将结果减少为多个值，而不是一个值

我正在尝试在WindowedStream上实现reduce，如下所示：

                .keyBy(t -> t.key)
            .timeWindow(Time.of(15, MINUTES), Time.of(1, MINUTES))
            .reduce(new ReduceFunction<TwitterSentiments>() {
                @Override
                public TwitterSentiments reduce(TwitterSentiments t2, TwitterSentiments t1) throws Exception {
                    t2.positive += t1.positive;
                    t2.neutral += t1.neutral;
                    t2.negative += t1.negative;

                    return t2;
                }
            });

.keyBy（t->t.key）
.时间窗口（时间（15分钟），时间（1分钟））
.reduce（新的ReduceFunction（）{
@凌驾
公共推特情感减少（推特情感t2，推特情感t1）抛出异常{
t2.阳性+=t1.阳性；
t2.中性+=t1.中性；
t2.阴性+=t1.阴性；
返回t2；
}
});

我遇到的问题是，当我调用stream.print（）时，我会得到许多值（看起来像是每个TwitterMotions对象一个值，而不是一个聚合对象）

我也尝试过使用这样的AggregationFunction，但遇到了同样的问题：

                .aggregate(new AggregateFunction<TwitterSentiments, Tuple3<Long, Long, Long>, Tuple3<Long, Long, Long>>() {
                @Override
                public Tuple3<Long, Long, Long> createAccumulator() {
                    return new Tuple3<Long, Long, Long>(0L,0L,0L);
                }

                @Override
                public Tuple3<Long, Long, Long> add(TwitterSentiments ts, Tuple3<Long, Long, Long> accumulator) {
                    return new Tuple3<Long, Long, Long>(
                            accumulator.f0 + ts.positive.longValue(),
                            accumulator.f1 + ts.neutral.longValue(),
                            accumulator.f2 + ts.negative.longValue()
                    );
                }

                @Override
                public Tuple3<Long, Long, Long> getResult(Tuple3<Long, Long, Long> accumulator) {
                    return accumulator;
                }

                @Override
                public Tuple3<Long, Long, Long> merge(Tuple3<Long, Long, Long> accumulator1, Tuple3<Long, Long, Long> accumulator2) {
                    return new Tuple3<Long, Long, Long>(
                            accumulator1.f0 + accumulator2.f0,
                            accumulator1.f1 + accumulator2.f1,
                            accumulator1.f2 + accumulator2.f1);
                }
            });

.aggregate（新的AggregateFunction（）{
@凌驾
公共元组3 createAccumulator（）{
返回新的Tuple3（0L，0L，0L）；
}
@凌驾
公共Tuple3添加（twitter、Tuple3累加器）{
返回新的Tuple3(
累加器.f0+ts.positive.longValue（），
累加器.f1+ts.neutral.longValue（），
累加器.f2+ts.negative.longValue（）
);
}
@凌驾
公共Tuple3 getResult（Tuple3累加器）{
回流蓄能器；
}
@凌驾
公共Tuple3合并（Tuple3累加器1、Tuple3累加器2）{
返回新的Tuple3(
蓄能器1.f0+蓄能器2.f0，
蓄能器1.f1+蓄能器2.f1，
蓄能器1.f2+蓄能器2.f1）；
}
});

---

stream.print（）的原因是什么在这些聚合之后仍然会输出许多记录吗？

似乎我误解了使用键的原因。在我的情况下，我不需要

KeyedStream

，因为我希望每分钟只有一个输出，它包含所有减少到一个值的记录。我最终在

单输出上使用了
.timeWindowAll
utStreamOperator

，运行my reduce现在可以按预期工作。

如果不需要每个键的结果，可以使用timeWindowAll生成单个结果。但是，timeWindowAll不会并行运行。如果要以更可伸缩的方式计算结果，可以执行以下操作：

    .keyBy(t -> t.key)
    .timeWindow(<time specification>)
    .reduce(<reduce function>)
    .timeWindowAll(<same time specification>)
    .reduce(<same reduce function>)

.keyBy（t->t.key）
.timeWindow（）
.reduce（）
.timeWindowAll（）
.reduce（）

---

您可能希望Flink的运行时足够智能，可以为您执行此并行预聚合（前提是您使用的是ReduceFunction或AggregateFunction），但事实并非如此。

您可能正在使用

EventTime

。您能为流媒体环境检查

timeCharacteristic

的设置吗（由环境设置流时间特性设置）？如果您使用的是

EventTime

，那么时间窗口是由事件时间而不是本地机器时间触发的。@David Hmm，谢谢您的回答，但这似乎不是问题所在。

timeCharacteristic

默认设置为

ProcessingTime

。我尝试使用

IngestionTime

，但仍然存在相同的问题e、 这里还会发生什么？啊，你能检查一下打印输出的键吗？它们都不同吗？对于同一个键，打印输出的间隔必须超过1分钟（翻滚窗口）。每分钟每个键应该得到一个结果。如果结果中包含键和时间，则更容易理解发生了什么情况——可以通过将预聚合结果传递给ProcessWindowFunction来完成。请参阅示例。@DavidAnderson Ah，“每键”。这是有道理的。你的回答帮助我解决了我的问题。谢谢。这正是我最初试图做的，谢谢。我创建了一个密钥流，因为我想要并行处理，但没有看到密钥流也按密钥聚合。这现在更有意义了。你是对的，我希望flink做这个过程嗨，我用

timeWindow->process->timeWindowAll->reduce

做了一个例子，我想知道我是否可以在Flink中实现我自己的操作符（使用

SingleOutputStreamOperator

）