Flink程序关键一步:触发环境执行

本文重点

在前面的课程中,我们学习了很多的flink流程序,在这些流程序中都有一个共同的特点,就是在代码的最后一行都有一个env.execute();,它的作用是什么呢?

触发环境执行

我们前面学习了源算子,转换算子,聚合算子,输出sink算子等等都是对流数据的操作,即使是写完输出(sink)操作并不代表程序已经结束,只不过是在定义数据流图。

此时数据还没有开始流动,只有调用execute()方法,数据才会开始流动,才会真正的触发各个算子的计算,这也被称为"延迟执行"或"懒执行"。execute()方法将一 直等待作业完成,然后返回一个执行结果(JobExecutionResult)。

相关推荐
isNotNullX2 小时前
仓储管理最全框架:6大流程、8项指标、10个管理动作、12个常见问题
大数据·人工智能
国科安芯3 小时前
把接口变成观测量:CANFD收发器状态可观测性驱动的星上故障检测隔离与恢复方法
大数据·人工智能·物联网·卫星·抗辐射·通信芯片·载荷
玩美数据5 小时前
海外市场数据服务常用术语与名词解释权威指南
大数据·人工智能
武子康7 小时前
Qwen-Drive 的 91.4 分,究竟选中了什么?
大数据·人工智能·agent
演艺大赏8 小时前
NiFi 集群长期运维:并发线程、content 仓库、日志与漏洞面
大数据
freejackman12 小时前
【工程化】从“单兵作战”到“多引擎架构”:基于门面模式的重构实战
大数据·数据库·hive·sql·测试工具·设计模式·架构
字节跳动数据平台13 小时前
火山引擎知识引擎VeKnow进化之路(上):从“人有数可用”到“AI有智可循”
大数据
Flynn Liang16 小时前
Apache Superset 重要特性详解(三):语义层 / 权限 / 缓存 / 嵌入的实战最佳实践(2026 版)
大数据·clickhouse·数据可视化·架构设计·superset·数据分析平台
小田学Python1 天前
工具调用:让 Agent 从“说”到“做”
大数据·大模型·agent·ai工具·deepseek