第2.5节 触发Alink任务的执行

Alink的批式任务/流式任务本质上是通过触发Flink的ExecutionEnvironment与StreamExecutionEnvironment的execute方法来执行的。为了调用起来更简练、方便，Alink包装了如下两个方法：

• BatchOperator.execute()触发批式任务的执行。
• StreamOperator.execute()触发流式任务的执行。

在实际使用中，经常需要触发一些小的批式任务，获取执行的结果。Flink的DataSet提供了print方法、collect方法和count方法，Alink的批式组件也提供了相应的方法。这些方法为用户了解中间过程的数据提供了便利，但是其会被多次触发执行，各个任务之间会有许多重复执行部分。尤其当数据量较大时，每个任务的执行时间较长，而重复计算会消耗大量的计算资源。针对这样的问题，Alink引入了Lazy方式，并相应地定义了lazyPrint()、lazyCollect()等方法。

Lazy方式

“Lazy”的概念与“Eager”的概念相对，在许多开发语言中都会应用。Lazy方式被称作懒操作或者延迟操作方式，Eager方式被称作急操作或者实时操作方式。Eager方式与Lazy方式的区别在于用户发出数据请求（显示、获取、加载等）时，是立即行动，还是可以慢一些。

对于Alink的批式处理场景，我们在执行任务时，需要看到原始数据、中间数据，以及统计、评估指标等。若每一个任务均采用Eager方式，则每次数据请求都会触发一个Flink任务，而且由于Flink机制的原因，后续的Flink任务还会重复执行前序任务的部分计算。如果采用Lazy方式，则每个任务并不急于显示，可以通过一个Flink任务完成整个流程，在任务结束后，再返回各项数据。从数据的获取速度上看，采用Lazy方式比较慢，且有延迟；但是从整体的计算时间和资源的消耗方面看，采用Lazy方式更优。

Flink提供了三种方法执行批式任务：print、collect和execute。它们都是Eager方式的。比如，运行到print方法，立即会启动Flink任务进行执行，并将结果打印出来。Alink的批式组件（形如***BatchOp）提供了打印的方法；统计和评估类组件提供了collect方法，用户可以立即获取统计和评估结果，这些方法的命名规则为collect+结果名称，比如collectSummary。执行批式组件，可以使用BatchOperator.execute()。

Alink的Lazy方式需要在操作前加上“lazy”前缀，主要有如下两类操作：

• 采用Lazy方式打印数据、统计结果或模型信息的操作，方法定义为lazyPrint***()。
• 采用Lazy方式获取结果的操作，方法定义为lazyCollect***()。

下图详细列举了在各个使用场景下对应的方法。