当您指定keyby（0）时，您是通过流中元组的第一个元素对流进行键控，或者换句话说，您是通过单词字符串对流进行键控。但是，编译器无法确定键是字符串，因此此版本的keyby始终将键视为包含某个对象（即实际键）的元组。
如果你把keyby改写成 keyBy(_._1) 然后编译器将能够推断出密钥类型，y将是一个 KeyedStream[(String, Int), String] ，感觉应该会好些。
对流进行键控所完成的是对流进行分区，类似于sql中groupby将表拆分为不相交、不重叠的组的方式。因此，在这种情况下，流（“a”，1）、（“b”，1）、（“c”，1）、（“a”，1）、（“c”，1）、（“c”，1）在逻辑上分为三组：

("a",1), ("a",1)
("b",1)
("c",1), ("c",1), ("c",1)

然后，对每个元组计算sum（1）的结果是（在map/reduce意义上）通过将每个元组中所有元组的第二个字段相加来减少每个元组。所以，（“a”，1），（“a”，1）变成（“a”，2），依此类推。
而不是使用 z=y.sum(1) ，则更容易理解

val z: DataStream[(String, Int)] = y.reduce(new ReduceFunction[(String, Int)] {
  override def reduce(t1: (String, Int), t2: (String, Int)): (String, Int) =
    (t1._1, t1._2 + t2._2)
})

如果运行代码，您可以精确地看到z的样子。如果您给它足够的资源，它可以在三个独立的线程中运行（因为有三个不同的键）。我刚刚得到这些结果：

3> (a,1)
2> (c,1)
1> (b,1)
2> (c,2)
2> (c,3)
3> (a,2)

其中1>、2>和3>表示哪个线程负责该行输出。