pyflink中UDTF和UDF的区别

UDTF(User Defined Table-Valued Functions)和UDF(User Defined Functions)在Flink和其他数据处理系统中有着明显的区别,主要体现在以下几个方面:

输出类型:

  1. UDF
    • UDF是用户定义的标量函数。
    • 它接收一个或多个标量值作为输入,并返回一个标量值作为输出。
  2. UDTF
    • UDTF是用户定义的表值函数。
    • 它接收一个或多个标量值作为输入,但可以返回多行数据(即多个标量值的组合)作为输出。

使用场景:

  1. UDF
    • 适用于需要处理并返回单个结果的场景,例如,计算字符串长度、进行数学运算等。
  2. UDTF
    • 适用于需要将单个输入拆分成多个输出的场景,例如,解析复杂的数据结构、将字符串拆分成单词等。

如何定义:

  1. UDF
    • UDF通常通过定义一个类并实现一个或多个方法(例如eval)来创建。
    • 输出结果通过return语句返回。
  2. UDTF
    • UDTF也是通过定义一个类来创建,但需要实现eval方法。
    • 输出结果通过yield语句产生,而不是return

输出数据的结构:

  1. UDF
    • 输出是一个标量值,其类型在定义UDF时指定。
  2. UDTF
    • 输出是一个表(或行的集合),其结构(schema)在定义UDTF时指定。

示例:

UDF示例

python 复制代码
from pyflink.table import DataTypes
from pyflink.table.udf import udf
@udf(result_type=DataTypes.INT())
def length_udf(s: str) -> int:
    return len(s)

UDTF示例

python 复制代码
from pyflink.table import DataTypes
from pyflink.table.udf import udtf
@udtf(output_types=[DataTypes.INT(), DataTypes.STRING()])
class SplitStringUDTF:
    def eval(self, string):
        for i, c in enumerate(string):
            yield i, c

总结来说,UDF和UDTF的主要区别在于它们的输出类型和使用场景。UDF返回单个标量值,而UDTF返回多行数据。这使得UDTF在处理需要拆分和转换数据为多行结果的情况时非常有用。

相关推荐
小何才露尖尖角1 个月前
pyflink datastream数据流ds经过一系列转换后转为table,t_env.from_data_stream(ds)
datastream·pyflink·`f0` raw·from_data_stre
颹蕭蕭3 个月前
pyflink 安装和测试
flink·pyflink
吉小雨4 个月前
pyflink的窗口
pyflink