Flink Stream API主要有：Environment、Source、Transformation、Sink。

1.Environment

在定义Flink Job时，我们都需要先指定一个执行环境，表示当前执行程序的上下文。一般使用getExecutionEnvironment方法，如果程序时独立调用的，则此方法返回本地执行环境；如果从命令行客户端调用程序以提交到集群，则此方法返回此集群的执行环境，也就是说getExecutionEnvironment方法会根据查询运行的方式决定返回什么样的执行环境。

2.Source

表示数据源，定义从哪里读取数据，以及怎样读取数据。StreamExecutionEnvironment中主要有以下方法可以生成Source：

3.Transformation

从Source读取的数据，需要经过一定的处理逻辑，Transformation正是用来实现这些逻辑的算子。

flink和spark一样，主要有以下几类算子：转换算子、聚合统计算子、多流转换算子。

3.1.转换算子

转换算子，对从Source读取的数据，进行转换并输出。

map：对数据进行一一映射，即map算子的输入和输出数据都是一一对应的。如下图所示：

flatMap：对数据进行一对多的映射，即输入一条，可输出多条。

filter：对数据进行过滤，即输入一条，输出不大于1条。

3.2.聚合统计算子

有时候需要对数据进行一定的聚合统计，下面这些数据就是实现这个功能的。

keyBy：根据key进行分组。从DataStream转换为KeyedStream，逻辑地将一个流拆分成不相交的分区，每个分区包含具有相同key的元素，在内部是以hash的形式实现的。如下图所示：

得到KeyedStream后，就可以做滚动聚合操作，针对每个支流做聚合，滚动聚合算子主要有以下五个：

（1）sum：求和。

（2）min：求小值。

（3）max：求最大值。

（4）minBy：最小值所对应的对象。

（5）maxBy：最大值所对应的对象。

一个分组的聚合操作还可以通过reduce算子来实现。reduce算子用于合并当前的元素和上次聚合的结果，产生一个新的值，返回的流中包含每一次聚合的结果，而不是只返回最后一次聚合的最终结果。reduce把KeyedStream聚合成DataStream。

3.3.多流转换算子

多流转换算子表示输入流或输出流有多个，主要有以下几个算子。

（1）split：根据某些特征把一个DataStream拆分成两个或者多个DataStream，即DataStream转换成SplitStream。

（2）select：从一个SplitStream中获取一个活着多个DataStream，即把SplitStream转换成DataStream。

（3）connect：连接两个保持他们类型的数据流，两个数据流被connect之后，只是被放在了同一个流中，内部依然包吃个字的数据且形式不发生任何变化，两个流相互独立。即两个DataStream转换成一个ConnectedStreams。

（4）coMap/coFlatmap：作用于ConnectedStreams上，功能与map和flatMap一样，对ConnectedStreams中的每一个Stream分别进行map和flatMap处理。即把ConnectedStreams转换成DataStream。

（5）union：对两个或两个以上的DataStream进行union操作，产生一个包含所有DataStream元素的新DataStream。

多流转换算子数据流模型如上图所示。

4.Sink

Flink没有类似于spark中foreach方法，让用户进行迭代操作。虽有对外的输出操作都要利用Sink完成，通过addSink方法来实现整个任务的最终输出操作。官方提供了一部分框架的Sink，比如Kafka、Cassandra、Kinesis、Elasticsearch、HDFS、RabbitMQ、NiFi等。第三方框架apache-bahir还提供了一些其他的Sink，比如ActiveMQ、Flume、Redis、Akka、Netty等。除此之外，用户还可自定义实现Sink。