Flink中KeyedStream与Table API的关系及执行逻辑是什么？

你对DataStream和KeyedDataStream的基础认知是正确的：KeyedDataStream代表数据流已经完成按键分区，相同key的数据会被分发到同一个并行实例处理。
首先澄清一个认知误区：原生Flink Table API中Table.groupBy()的返回值本身就是Table类型，你观察到返回KeyedDataStream的情况，是因为你触发了Table到DataStream的转换逻辑，才会拿到对应的流实例。
关于你关心的分区调度逻辑，结论非常明确：

• 无论是DataStream API的keyBy()操作，还是Table API中groupBy()这类按key分组的聚合操作，Flink底层执行逻辑完全一致：都会按照分组key计算哈希做数据重分发，保证相同key的数据一定会被路由到同一个物理Task实例处理，和你直接用Stream API写keyBy()的分区、调度规则没有差异。
• 转换后直接拿到KeyedDataStream实例，是因为Flink Table优化器生成执行计划时，已经识别到了分组操作对应的分区逻辑，在Table转DataStream的环节直接保留了KeyedStream的属性，不需要你额外手动调用keyBy()做重复分区，避免多余的shuffle开销。

实操提示：如果groupBy()之后还要叠加select、聚合计算、窗口定义等其他Table逻辑，不要提前转成KeyedDataStream处理，直接在Table对象上链式调用即可，优化器会自动合并重复的分区、计算逻辑，执行效率比手动转DataStream写处理逻辑更高。

内容的提问来源于stack exchange，提问作者Shengxin Huang