Flink数据类型对运行效率的影响

Flink对参与计算的数据类型做了分级：满足”公开类、无参公共构造函数、字段公开或有getter/setter、字段类型也被支持”这几个条件的类会被识别为POJO，用专门的PojoSerializer高效序列化；不满足条件的普通类只能退化成通用的Kryo序列化器兜底处理，执行效率明显更低。除此之外还有一类值类型（Value types），它们放弃通用序列化框架，手动实现读写接口，换来的好处是可以直接原地修改字段值、重复利用同一个对象实例，从而减轻垃圾回收器的压力。这三者的本质区别在于：类型信息暴露得越充分、越规整，框架就能在序列化和内存布局上做更多针对性优化，反之框架只能用最保守、最慢的通用兜底方案。这套分级背后统一由[[TypeInformation驱动的序列化器生成机制]]调度生成具体的序列化器。