举例：
dataStream.flatMap(new FlatMapFunction<String, String>() { @Override public void flatMap(String value, Collector<String> out) throws Exception { for(String word: value.split(" ")){ out.collect(word); } } });（3）Filter方式：DataStream -> DataStream
功能：针对每个element判断函数是否返回true，最后只保留返回true的element
举例：
dataStream.filter(new FilterFunction<Integer>() { @Override public boolean filter(Integer value) throws Exception { return value != 0; } });（4）KeyBy方式：DataStream -> KeyedStream
功能：逻辑上将流分割成不相交的分区，每个分区都是相同key的元素
举例：
dataStream.keyBy("someKey") // Key by field "someKey" dataStream.keyBy(0) // Key by the first element of a Tuple（5）Reduce方式：KeyedStream -> DataStream
功能：在keyed data stream中进行轮训reduce。
举例：
keyedStream.reduce(new ReduceFunction<Integer>() { @Override public Integer reduce(Integer value1, Integer value2) throws Exception { return value1 + value2; } });（6）Aggregations方式：KeyedStream -> DataStream
功能：在keyed data stream中进行聚合操作
举例：
keyedStream.sum(0); keyedStream.sum("key"); keyedStream.min(0); keyedStream.min("key"); keyedStream.max(0); keyedStream.max("key"); keyedStream.minBy(0); keyedStream.minBy("key"); keyedStream.maxBy(0); keyedStream.maxBy("key");（7）Window方式：KeyedStream -> WindowedStream
功能：在KeyedStream中进行使用，根据某个特征针对每个key用windows进行分组。
举例：
dataStream.keyBy(0).window(TumblingEventTimeWindows.of(Time.seconds(5))); // Last 5 seconds of data（8）WindowAll方式：DataStream -> AllWindowedStream
功能：在DataStream中根据某个特征进行分组。
举例：
dataStream.windowAll(TumblingEventTimeWindows.of(Time.seconds(5))); // Last 5 seconds of data（9）Union方式：DataStream* -> DataStream
功能：合并多个数据流成一个新的数据流
举例：
dataStream.union(otherStream1, otherStream2, ...);（10）Split方式：DataStream -> SplitStream
功能：将流分割成多个流
举例：
SplitStream<Integer> split = someDataStream.split(new OutputSelector<Integer>() { @Override public Iterable<String> select(Integer value) { List<String> output = new ArrayList<String>(); if (value % 2 == 0) { output.add("even"); } else { output.add("odd"); } return output; } });（11）Select方式：SplitStream -> DataStream
功能：从split stream中选择一个流
举例：
SplitStream<Integer> split; DataStream<Integer> even = split.select("even"); DataStream<Integer> odd = split.select("odd"); DataStream<Integer> all = split.select("even","odd"); 4、输出数据 writeAsText() writeAsCsv(...) print() / printToErr() writeUsingOutputFormat() / FileOutputFormat writeToSocket addSink更多Flink相关原理：
穿梭时空的实时计算框架——Flink对时间的处理
大数据实时处理的王者-Flink
统一批处理流处理——Flink批流一体实现原理
Flink快速入门--安装与示例运行
快速构建第一个Flink工程
更多实时计算,Flink,Kafka等相关技术博文，欢迎关注实时流式计算：