1 关于数据分区
数据分区是指在传统的批处理中对数据 Shuffle 的操作。如果把扑克牌想成数据，传统批处理里的 Shuffle 操作就相当于理牌的过程。一般情况下在抓牌过程中，我们都会把牌理顺排列好，相同的数字还要放在一起。这样做最大的好处是，出牌时可以一下子找到想出的牌。Shuffle 是传统的批处理的方式。因为流处理所有的数据都是动态来的，所以理牌的过程或者说处理数据，进行分组或分区的过程，也是在线来完成的。
例如上图右侧所示，上游有两个算子 A 的处理实例，下游是三个算子 B 处理实例。这里展示的流处理等价于 Shuffle 的操作被称为数据分区或数据路由。它用来表示 A 处理完数据后，要把结果发到下游 B 的哪个处理实例上。
2 Flink 里提供的分区策略
图 X 是 Flink 提供的分区策略。需要注意的是， DataStream 调用 keyBy 方法后，可以把整个数据按照一个 Key 值进行分区。但要严格来讲，其实 keyBy 并不算是底层物理分区策略，而是一种转换操作，因为从 AP I 角度来看，它会把DataStream 转化成 KeyedDataStream 的类型，而这两者所支持的操作也有所不同。
所有这些分区策略里，稍微难理解的可能是 Rescale。Rescale 涉及到上下游数据本地性的问题，它和传统的 Rebalance，即 Round-Pobin，轮流分配类似。区别在于 Rescale 是它会尽量避免数据跨网络的传输。
如 果 所 有 上 述 的 分 区 策 略 都 不 适 用 的 话 ， 我 们 还 可 以 自 己 调 用PartitionCustom 去自定义一个数据的分区。值得注意的是，它只是自定义的单播，即对每一个数据只能指定它一个下游所要发送的实例，而没有办法把它复制成多份发送到下游的多个实例中。
FLINK基础（144）: DS算子与窗口（26）Flink DataStream 八大分区策略与自定义分区器(1)关于数据分区/Flink 里提供的分区策略