实验特点
本节介绍DataStream API中的实验性函数。实验性函数仍在不断发展，可能不稳定，不完整，或者在未来版本中会发生重大变化。
将预分区数据流重新解释为被Key化的数据流
我们可以将预分区数据流重新解释为被Key化的数据流，以避免混乱。
警告：重新解释的数据流必须已经在预先划分的确切地以同样的方式Flink的keyBy将在洗牌WRT键组分配分区中的数据。
一个用例可能是两个作业之间的物化混乱：第一个作业执行keyBy shuffle并将每个输出实现为一个分区。第二个作业的来源是，对于每个并行实例，从第一个作业创建的相应分区中读取。现在可以将这些源重新解释为被Key化的数据流，例如应用窗口。请注意，这个技巧使第二个作业难以平行，这对于细粒度的恢复方案很有帮助。
这种重新解释函数通过DataStreamUtils以下方式公开：
static <T, K> KeyedStream<T, K> reinterpretAsKeyedStream(
DataStream<T> stream,
KeySelector<T, K> keySelector,
TypeInformation<K> typeInfo)
给定基本流，Keys选择器和类型信息，该方法从基本流创建Keys流。
代码示例：
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
DataStreamSource<Integer> source = ...
DataStreamUtils.reinterpretAsKeyedStream(source, (in) -> in, TypeInformation.of(Integer.class))
.timeWindow(Time.seconds(1))
.reduce((a, b) -> a + b)
.addSink(new DiscardingSink<>());
env.execute();
val env = StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)
val source = ...
new DataStreamUtils(source).reinterpretAsKeyedStream((in) => in)
.timeWindow(Time.seconds(1))
.reduce((a, b) => a + b)
.addSink(new DiscardingSink[Int])
env.execute()
