rebalance,shuffle,broadcast,rescaling,partitonCustom

flink在transformatin之后为了控制更小细粒度的分区，引入了物理分区功能的算子

分别是rebalance,shuffle,broadcast,rescaling,partitonCustom这五个

下面来一个个记录一下。

rebalance ，下游task分区会轮询的把每个上游task的数据拉取过来。，比如 现在上游有四个分区，下游也有四个分区，（比如上游的零号分区会依次发到下游的0号1号2号3号分区，依次类推）。注意不是一定按照0123这个顺序的，也会比如3012这种，这个不固定，固定的只是轮询顺序。具体看下面俩副图。

shuffle算子，这个是无顺序的，上游task的数据会随机给到下游分区中的一个，这个没有固定顺序。

broadcast算子，顾名思义，广播给下游的每一个task，上游task的一条顺序，下游task全部收到一份。

rescaling算子

这个算子也是 上游task数据轮询的给到每一个下游task，但是和rebalance算子不一样。rebalance是多节点的，rescaling是单节点的。

flink的架构是一个jobmanager对应多个taskmanager，一个taskmanager对应多个slot槽位。这多个taskmanager是可以相互通信的（和spark中的多分区一个道理）一个taskmanager是在一台机器，一个节点上的。 

所以如果不想要跨节点进行网络传输的话就使用rescaling，跨节点无所谓的话，就去使用rebalance.具体看下图。

partitonCustom算子

这是一个自定义分区算子，就是想要上游task分区的数据会被下游的哪个task拉取过去，你可以自己定义。（类似于spark中的自定义分区器）

这个算子是带参数的。你需要new俩个匿名函数，partitoner和keyselector。

partitoner中的参数s 是分区的key,numpartitons是下游的最大分区数

getkey无非就是上游datastream中的数据，从里面拿什么元素作为Key.