Flink分區策略

 目前Flink支持8種分區策略：

• GlobalPartitioner： 數據會被分發到下游算子的第一個實例中進行處理。
• ShufflePartitioner ：數據會被隨機分發到下游算子的每一個實例中進行。
• RebalancePartitioner： 數據會被循環發送到下游的每一個實例中進行處理。
• RescalePartitioner ：這種分區器會根據上下游算子的並行度，循環的方式輸出到下游算子的每個實例。這裏有點難以理解，假設上游並行度爲 2，編號爲 A 和 B。下游並行度爲 4，編號爲 1，2，3，4。那麼 A 則把數據循環發送給 1 和 2，B 則把數據循環發送給 3 和 4。假設上游並行度爲 4，編號爲 A，B，C，D。下游並行度爲 2，編號爲 1，2。那麼 A 和 B 則把數據發送給 1，C 和 D 則把數據發送給 2。
• BroadcastPartitioner ：廣播分區會將上游數據輸出到下游算子的每個實例中。適合於大數據集和小數據集做Jion的場景。

• ForwardPartitioner：用於將記錄輸出到下游本地的算子實例。它要求上下游算子並行度一樣。簡單的說，ForwardPartitioner用來做數據的控制檯打印。​​​​​​​
• KeyGroupStreamPartitioner ：Hash 分區器。會將數據按Key的Hash值輸出到下游算子實例中。​​​​
• CustomPartitionerWrapper：用戶自定義分區器。需要用戶自己實現 Partitioner 接口，來定義自己的分區邏輯。

static class CustomPartitioner implements Partitioner<String> { 
    @Override 
    public int partition(String key, int numPartitions) { 
        switch (key){ 
            case "1": return 1;
            case "2": return 2;
            case "3": return 3;
            default : return 4;
        }
    }
}