join：

1 可用于DataStream和DataSet。只能2个DataStream一起join，或者2个DataSet一起join

2 用于DataStream时返回是JoinedStreams  ,用于DataSet时返回是JoinOperatorSets  

3 用于DataStream时需要与窗口同时使用，语法是：join where equalTo window apply ，用于DataSet时的语法是：join where equalTo with （where是指定第一个输入的分区字段，equalTo是指定第二个输入的分区字段，这2个字段类型需要一致）

4 与SQL中的inner join同义，只输出2个实时窗口内或2个数据集合内能匹配上的笛卡尔积，不能匹配上的不输出。

5 apply方法中或with方法中均可以使用JoinFunction或 FlatJoinFunction处理匹配上的数据对（用于DataStream和DataSet时均可）

6 侧重对2个输入里的 数据对 进行处理，join方法的入参是单个数据

7 可以join2个类型不同的流或join2个类型不同的数据集（比如Tuple2 join Tuple2）,但是匹配的key或field类型要一致，不然报错（比如where中的String与equalTo中的String匹配才行）

Flink,join双流，join实例，java版本

Flink,join DataSet数据集，join实例，java版本

coGroup：

1 可用于DataStream和DataSet。只能2个DataStream一起coGroup，或者2个DataSet一起coGroup

2 用于DataStream时返回是CoGroupedStreams，用于DataSet时返回是CoGroupOperatorSets

3 用于DataStream时需要与窗口同时使用，语法是：coGroup where equalTo window apply ，用于DataSet时的语法是：coGroup where equalTo with,

4 把2个实时窗口内或2个数据集合内key相同的数据分组同一个分区，key不能匹配上的数据（只在一个窗口或集合内存在的数据）也分组到另一个分区上。

5 apply方法中或with方法中均可以使用CoGroupFunction对数据分组（用于DataStream和DataSet时均可，无FlatCoGroupFunction）

6 侧重对2个输入的 集合 进行处理，coGroup方法的入参是Iterable类型

7 可以coGroup2个类型不同的流或coGroup2个类型不同的数据集（比如Tuple2 join Tuple2）,但是匹配的key或field类型要一致，不然报错（比如where中的String与equalTo中的String匹配才行）

Flink,coGroup双流，coGroup实例，java版本

Flink,coGroup DataSet数据集，coGroup实例，java版本

connect:

1 只能用于DataStream,返回是ConnectedStreams。不能用于DataSet.

2 只能2个流一起connect（stream1.connect(stream2)）

3 connect后可以对2个流分别处理（使用CoMapFunction或CoFlatMapFunction）

4  可以connect2个类型不同的流（比如Tuple2 connect Tuple2）

Flink,connect双流，connect实例，java版本

union:

1 用于DataStream时,返回是Datastream;用于DataSet时,返回是DataSet;

2 可以多个流一起合并（stream1.union(stream2,stream3,stream4)），合并结果是一个新Datastream；只能2个DataSet一起合并，合并结果是一个新DataSet

3 无论是合并Datastream还是合并DataSet，都不去重，2个源的消息或记录都保存。

4 不可以union 2个类型不同的流或union 2个类型不同的数据集

Flink,union双流，union实例，java版本

Flink,union DataSet数据集，union实例，java版本

---------------------------------更多精辟的见解可见下方----------------------------------

0:

https://www.jianshu.com/p/aa7d0f6d0dc4

1 ：

ConnectedStreams

在 DataStream 上有一个 union 的转换 dataStream.union(otherStream1, otherStream2, ...)，用来合并多个流，新的流会包含所有流中的数据。union 有一个限制，就是所有合并的流的类型必须是一致的。ConnectedStreams 提供了和 union 类似的功能，用来连接两个流，但是与 union 转换有以下几个区别：

1. ConnectedStreams 只能连接两个流，而 union 可以连接多于两个流。

2. ConnectedStreams 连接的两个流类型可以不一致，而 union 连接的流的类型必须一致。

3. ConnectedStreams 会对两个流的数据应用不同的处理方法，并且双流之间可以共享状态。这在第一个流的输入会影响第二个流时, 会非常有用。

如下 ConnectedStreams 的样例，连接 input 和 other 流，并在input流上应用map1方法，在other上应用map2方法，双流可以共享状态（比如计数）。

val input: DataStream[MyType] = ...val other: DataStream[AnotherType] = ...val connected: ConnectedStreams[MyType, AnotherType] = input.connect(other)val result: DataStream[ResultType] =connected.map(new CoMapFunction[MyType, AnotherType, ResultType]() {override def map1(value: MyType): ResultType = { ... }override def map2(value: AnotherType): ResultType = { ... }})

当并行度为2时，其执行图如下所示：

http://wuchong.me/blog/2016/05/20/flink-internals-streams-and-operations-on-streams/

2：

union

在DataStream上使用union算子可以合并多个同类型的数据流，并生成同类型的数据流，即可以将多个DataStream[T]合并为一个新的DataStream[T]。数据将按照先进先出（First In First Out）的模式合并，且不去重。下图union对白色和深色两个数据流进行合并，生成一个数据流。

假设股票价格数据流来自不同的交易所，我们将其合并成一个数据流：

val shenzhenStockStream: DataStream[StockPrice] = ...val hongkongStockStream: DataStream[StockPrice] = ...val shanghaiStockStream: DataStream[StockPrice] = ...val unionStockStream: DataStream[StockPrice] = shenzhenStockStream.union(hongkongStockStream, shanghaiStockStream)复制代码

connect

union虽然可以合并多个数据流，但有一个限制，即多个数据流的数据类型必须相同。connect提供了和union类似的功能，用来连接两个数据流，它与union的区别在于：

1. connect只能连接两个数据流，union可以连接多个数据流。

2. connect所连接的两个数据流的数据类型可以不一致，union所连接的两个数据流的数据类型必须一致。

3. 两个DataStream经过connect之后被转化为ConnectedStreams，ConnectedStreams会对两个流的数据应用不同的处理方法，且双流之间可以共享状态。

connect经常被应用在对一个数据流使用另外一个流进行控制处理的场景上，如下图所示。控制流可以是阈值、规则、机器学习模型或其他参数。

对于ConnectedStreams，我们需要重写CoMapFunction或CoFlatMapFunction。这两个接口都提供了三个泛型，这三个泛型分别对应第一个输入流的数据类型、第二个输入流的数据类型和输出流的数据类型。在重写函数时，对于CoMapFunction，map1处理第一个流的数据，map2处理第二个流的数据；对于CoFlatMapFunction，flatMap1处理第一个流的数据，flatMap2处理第二个流的数据。Flink并不能保证两个函数调用顺序，两个函数的调用依赖于两个数据流数据的流入先后顺序，即第一个数据流有数据到达时，map1或flatMap1会被调用，第二个数据流有数据到达时，map2或flatMap2会被调用。

connect:

1 只能用于DataStream,返回是ConnectedStreams。不能用于DataSet.

2 只能2个流一起connect（stream1.connect(stream2)）

3 connect后可以对2个流分别处理（使用CoMapFunction或CoFlatMapFunction）

4  可以connect2个类型不同的流（比如Tuple2 connect Tuple2）

Flink,connect双流，connect实例，java版本

union:

1 用于DataStream时,返回是Datastream;用于DataSet时,返回是DataSet;

2 可以多个流一起合并（stream1.union(stream2,stream3,stream4)），合并结果是一个新Datastream；只能2个DataSet一起合并，合并结果是一个新DataSet

3 无论是合并Datastream还是合并DataSet，都不去重，2个源的消息或记录都保存。

4 不可以union 2个类型不同的流或union 2个类型不同的数据集

Flink,union双流，union实例，java版本

Flink,union DataSet数据集，union实例，java版本