Flink 的 connect 是比 union 更灵活的流合并操作：

  • union：仅能合并同数据类型的多个流，合并后仍是同类型流；
  • connect：可以合并不同数据类型的两个流，合并后得到 ConnectedStreams，需通过 CoMapFunction/CoFlatMapFunction 分别处理两种类型的数据。

二、流程图

1
2
3
4
5
6
7
8
flowchart LR
    A[数据源1] --> B[stringStream<br/>数据类型：String]
    C[数据源2] --> D[intStream<br/>数据类型：Integer]
    B --> E[connect 操作<br/>合并不同类型流]
    D --> E
    E --> F[CoMapFunction<br/>map1：处理String<br/>map2：处理Integer]
    F --> G[resultStream<br/>统一输出：String]
    G --> H[打印/下游处理]

三、Connect 操作完整代码示例

以下示例实现「字符串流 + 整数流」的 Connect 合并，并分别处理两种类型的数据：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
package com.studybigdata.bigdata.flink.datastream;

import org.apache.flink.streaming.api.datastream.ConnectedStreams;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.co.CoMapFunction;

public class StreamConnect {
    public static void main(String[] args) throws Exception {
        // 1. 创建执行环境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);

        // 2. 构建不同数据类型的两个流
        // 流1：字符串类型
        DataStream<String> stringStream = env.fromElements("Flink", "Connect", "Example");
        // 流2：整数类型
        DataStream<Integer> intStream = env.fromElements(1, 2, 3);

        // 3. 执行 Connect 操作（合并不同类型流）
        ConnectedStreams<String, Integer> connectedStreams = stringStream.connect(intStream);

        // 4. 处理 ConnectedStreams：分别处理两种类型的数据
        DataStream<String> resultStream = connectedStreams.map(new CoMapFunction<String, Integer, String>() {
            // 处理第一个流（字符串流）的元素
            @Override
            public String map1(String value) throws Exception {
                return "String Stream: " + value;
            }

            // 处理第二个流（整数流）的元素
            @Override
            public String map2(Integer value) throws Exception {
                return "Integer Stream: " + value * 10; // 对整数做简单处理
            }
        });

        // 5. 打印结果
        resultStream.print("Connect Result: ");

        // 6. 执行任务
        env.execute("Flink Connect Stream Example");
    }
}

代码关键说明：

  1. Connect 特性：connect 仅支持两个流的合并（不支持多流），且允许流的类型不同；
  2. 处理逻辑：必须通过 CoMapFunction（或 CoFlatMapFunction）定义 map1（处理第一个流）和 map2（处理第二个流），最终输出统一类型的流；
  3. 输出统一化：示例中无论输入是 String 还是 Integer，最终都转换为 String 输出，保证下游处理的一致性。

四、代码运行结果

执行代码后，控制台输出如下（顺序可能略有差异）：

1
2
3
4
5
6
Connect Result: String Stream: Flink
Connect Result: String Stream: Connect
Connect Result: String Stream: Example
Connect Result: Integer Stream: 10
Connect Result: Integer Stream: 20
Connect Result: Integer Stream: 30

总结

  1. Connect 核心特性：支持合并不同数据类型的两个流，需通过 CoMapFunction/CoFlatMapFunction 分别处理；
  2. 与 Union 区别：Union 合并同类型多流、无额外处理逻辑；Connect 仅合并两个流、支持不同类型、可自定义差异化处理；
  3. 典型场景：双流关联、数据补全、实时对账（结合状态使用）。