大数据培训 Flink 之 Table API 与 SQL

​Table API 是流处理和批处理通用的关系型 API，Table API 可以基于流输入或者批输入来运行而不需要进行任何修改。Table API 是 SQL 语言的超集并专门为 ApacheFlink 设计的，Table API 是 Scala 和 Java 语言集成式的 API。与常规 SQL 语言中将查询指定为字符串不同，Table API 查询是以 Java 或 Scala 中的语言嵌入样式来定义的，具有 IDE 支持如:自动完成和语法检测。

10.1 需要引入的 pom 依赖

<dependency>

<groupId>org.apache.flink</groupId>

<artifactId>flink-table-planner_2.12</artifactId>

<version>1.10.1</version>

</dependency>

<dependency>

<groupId>org.apache.flink</groupId>

<artifactId>flink-table-api-scala-bridge_2.12</artifactId>

<version>1.10.1</version>

</dependency>

10.2 简单了解 TableAPI

def main(args: Array[String]): Unit = {

val env = StreamExecutionEnvironment.getExecutionEnvironment

env.setParallelism(1)

val inputStream = env.readTextFile("..\sensor.txt")

val dataStream = inputStream

.map( data => {

val dataArray = data.split(",")

SensorReading(dataArray(0).trim, dataArray(1).trim.toLong,

dataArray(2).trim.toDouble)

}

)

// 基于 env 创建 tableEn

val settings: EnvironmentSettings =

EnvironmentSettings.newInstance().useOldPlanner().inStreamingMode().build()

val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env,

settings)

// 从一条流创建一张表

val dataTable: Table = tableEnv.fromDataStream(dataStream)

// 从表里选取特定的数据

val selectedTable: Table = dataTable.select('id, 'temperature)

.filter("id = 'sensor_1'")

val selectedStream: DataStream[(String, Double)] = selectedTable

.toAppendStream[(String, Double)]

selectedStream.print()

env.execute("table test")

}

10.2.1 动态表

如果流中的数据类型是 case class 可以直接根据 case class 的结构生成 table_大数据培训

tableEnv.fromDataStream(dataStream)

或者根据字段顺序单独命名

tableEnv.fromDataStream(dataStream,’id,’timestamp .......)

最后的动态表可以转换为流进行输出

table.toAppendStream[(String,String)]

10.2.2 字段

用一个单引放到字段前面来标识字段名, 如 ‘name, ‘id ,’amount 等

10.3 TableAPI 的窗口聚合操作

10.3.1 通过一个例子了解 TableAPI

// 统计每 10 秒中每个传感器温度值的个数

def main(args: Array[String]): Unit = {

val env = StreamExecutionEnvironment.getExecutionEnvironment

env.setParallelism(1)

env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)

val inputStream = env.readTextFile("..\sensor.txt")

val dataStream = inputStream

.map( data => {

val dataArray = data.split(",")

SensorReading(dataArray(0).trim, dataArray(1).trim.toLong,

dataArray(2).trim.toDouble)

}

)

.assignTimestampsAndWatermarks(new

BoundedOutOfOrdernessTimestampExtractorSensorReading {

override def extractTimestamp(element: SensorReading): Long =

element.timestamp * 1000L

})

// 基于 env 创建 tableEnv

val settings: EnvironmentSettings =

EnvironmentSettings.newInstance().useOldPlanner().inStreamingMode().build()

val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env,

settings)

// 从一条流创建一张表，按照字段去定义，并指定事件时间的时间字段

val dataTable: Table = tableEnv.fromDataStream(dataStream, 'id,

'temperature, 'ts.rowtime)

// 按照时间开窗聚合统计

val resultTable: Table = dataTable

.window( Tumble over 10.seconds on 'ts as 'tw )

.groupBy('id, 'tw)

.select('id, 'id.count)

val selectedStream: DataStream[(Boolean, (String, Long))] = resultTable

.toRetractStream[(String, Long)]

selectedStream.print()

env.execute("table window test")

}

10.3.2 关于 group by

1. 如果了使用 groupby，table 转换为流的时候只能用 toRetractDstream

val dataStream: DataStream[(Boolean, (String, Long))] = table

.toRetractStream[(String,Long)]

2. toRetractDstream 得到的第一个 boolean 型字段标识 true 就是最新的数据

(Insert)，false 表示过期老数据(Delete)

val dataStream: DataStream[(Boolean, (String, Long))] = table

.toRetractStream[(String,Long)]

dataStream.filter(_._1).print()

3. 如果使用的 api 包括时间窗口，那么窗口的字段必须出现在 groupBy 中。

val resultTable: Table = dataTable

.window( Tumble over 10.seconds on 'ts as 'tw )

.groupBy('id, 'tw)

.select('id, 'id.count)

10.3.3 关于时间窗口

1. 用到时间窗口，必须提前声明时间字段，如果是 processTime 直接在创建动态表时进行追加就可以_大数据视频。

val dataTable: Table = tableEnv.fromDataStream(dataStream, 'id,

'temperature, 'ps.proctime)

2. 如果是 EventTime 要在创建动态表时声明

val dataTable: Table = tableEnv.fromDataStream(dataStream, 'id,

'temperature, 'ts.rowtime)

3. 滚动窗口可以使用 Tumble over 10000.millis on 来表示

val resultTable: Table = dataTable

.window( Tumble over 10.seconds on 'ts as 'tw )

.groupBy('id, 'tw)

.select('id, 'id.count)

10.4 SQL 如何编写

// 统计每 10 秒中每个传感器温度值的个数

def main(args: Array[String]): Unit = {

val env = StreamExecutionEnvironment.getExecutionEnvironment

env.setParallelism(1)

env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)

val inputStream = env.readTextFile("..\sensor.txt")

val dataStream = inputStream

.map( data => {

val dataArray = data.split(",")

SensorReading(dataArray(0).trim, dataArray(1).trim.toLong,

dataArray(2).trim.toDouble)

}

)

.assignTimestampsAndWatermarks(new

BoundedOutOfOrdernessTimestampExtractorSensorReading {

override def extractTimestamp(element: SensorReading): Long =

element.timestamp * 1000L

})

// 基于 env 创建 tableEnv

val settings: EnvironmentSettings =

EnvironmentSettings.newInstance().useOldPlanner().inStreamingMode().build(

)

val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env,

settings)

// 从一条流创建一张表，按照字段去定义，并指定事件时间的时间字段

val dataTable: Table = tableEnv.fromDataStream(dataStream, 'id,

'temperature, 'ts.rowtime)

// 直接写 sql 完成开窗统计

val resultSqlTable: Table = tableEnv.sqlQuery("select id, count(id) from "

• dataTable + " group by id, tumble(ts, interval '15' second)")

val selectedStream: DataStream[(Boolean, (String, Long))] =

resultSqlTable.toRetractStream[(String, Long)]

selectedStream.print()

env.execute("table window test")

}

​