Flink on Zeppelin (2) - Batch 篇

发布于: 2020 年 06 月 15 日
Flink on Zeppelin (2) - Batch篇

 在Flink on Zeppelin 入门篇 中我们讲述了如何配置Zeppelin + Flink来运行一个最简单的WordCount例子。本文将讲述如何使用Flink SQL + UDF来做Batch ETL和BI数据分析的任务。

Flink Interpreter类型

    首先介绍下Zeppelin中的Flink Interpreter类型。Zeppelin的Flink Interpreter支持Flink的所有API (DataSet, DataStream, Table API )。语言方面支持Scala,Python,SQL。下图是Zeppelin中支持的不同场景下的Flink Interpreter。

配置Flink Interpreter

       下图例举了所有重要的Flink配置信息,除此之外你还可以配置任意Flink的Configuration(https://ci.apache.org/projects/flink/flink-docs-master/ops/config.html

内置入口变量

      Flink Interpreter (%flink) 为用户自动创建了下面6个变量作为Flink Scala程序的入口。

  • senv (StreamExecutionEnvironment),

  • benv (ExecutionEnvironment)

  • stenv (StreamTableEnvironment for blink planner)

  • btenv (BatchTableEnvironment for blink planner)

  • stenv_2 (StreamTableEnvironment for flink planner)

  • btenv_2 (BatchTableEnvironment for flink planner)

      PyFlinkInterpreter (%flink.pyflink, %flink.ipyflink) 为用户自动创建了6个python变量作为PyFlink程序的入口

  • s_env (StreamExecutionEnvironment),

  • b_env (ExecutionEnvironment)

  • st_env (StreamTableEnvironment for blink planner)

  • bt_env (BatchTableEnvironment for blink planner)

  • st_env_2 (StreamTableEnvironment for flink planner)

  • bt_env_2 (BatchTableEnvironment for flink planner)

Blink/Flink Planner

Flink 1.10中有2种table api的planner:flink & blink.

  • 如果你用DataSet api以及需要把DataSet转换成Table,那么就需要使用Flink planner的TableEnvironment (btenv_2 and stenv_2).

  • 其他场景下, 我们都会建议用户使用blink planner. 这也是Flink sql使用的planner(%flink.bsql & %flink.ssql)

使用Flink Batch SQL

      %flink.bsql 是用来执行Flink的batch sql. 运行 help 命令可以得到所有可用的命令

总的来说,Flink Batch SQL可以用来做2大任务:

  • 使用 insert into 语句来做 Batch ETL

  • 使用 select 语句来做BI 数据分析

基于Bank数据的Batch ETL

下面我们基于Bank (https://archive.ics.uci.edu/ml/datasets/bank+marketing)数据来做Batch ETL任务。

  • 首先用Flink Sql创建一个raw 数据的source table,以及清洗干净后的sink table。

  • 然后再定义Table Function来parse raw data。

  • 接下来就可以用insert into语句来进行数据转换(source table --> sink table)

  •  用select语句来Preview最终数据,验证insert into语句的正确性

基于Bank数据的BI数据分析

经过上面的数据清洗工作,接下来就可以对数据进行分析了。用户不仅可以使用标准的SQL Select语句进行分析,也可以使用Zeppelin的dynamic forms来增加交互性(TextBox,Select,Checkbox)

使用Flink UDF

      SQL虽然强大,但表达能力毕竟有限。有时候就要借助于UDF来表达更复杂的逻辑。Flink Interpreter 支持2种UDF (Scala + Python)。下面是2个简单的例子。

       Scala UDF

%flink
class ScalaUpper extends ScalarFunction {
def eval(str: String) = str.toUpperCase
}
btenv.registerFunction("scala_upper", new ScalaUpper())

    Python UDF

%flink.pyflink
class PythonUpper(ScalarFunction):
def eval(self, s):
return s.upper()
bt_env.register_function("python_upper", udf(PythonUpper(), DataTypes.STRING(), DataTypes.STRING()))

对Hive数据的数据分析

     除了可以分析Flink SQL创建的table之外,Flink也可以分析Hive上已有的table。如果要让Flink Interpreter使用Hive,那么需要做以下配置

  • 设置 zeppelin.flink.enableHive 为 true

  • Copy 下面这些 dependencies 到flink的 lib 目录

  • flink-connector-hive_{scala_version}-{flink.version}.jar

  • flink-hadoop-compatibility_{scala_version}-{flink.version}.jar

  • flink-shaded-hadoop-2-uber-{hadoop.version}-{flink-shaded.version}.jar

  • hive-exec-2.x.jar (for Hive 1.x, you need to copy hive-exec-1.x.jar, hive-metastore-1.x.jar, libfb303-0.9.2.jar and libthrift-0.9.2.jar)

  • 在Flink interpreter setting 里或者 zeppelin-env.sh里指定 HIVE_CONF_DIR

  • 在Flink interpreter setting 指定 zeppelin.flink.hive.version 为你使用的Hive版本

下面就用一个简单的例子展示如何在Zeppelin中用Flink查询Hive table

1. 用Zeppelin的jdbc interpreter查询hive tables

2. 用Flink sql 查询 hive table的schema

3. 用Flink Sql 查询hive table

       本文只是简单介绍如何在Zeppelin中使用Flink SQL + UDF,关于更多Flink SQL和UDF请参考Flink官方文档

  • https://ci.apache.org/projects/flink/flink-docs-master/dev/table/sql/

  • https://ci.apache.org/projects/flink/flink-docs-master/dev/table/connect.html

  • https://ci.apache.org/projects/flink/flink-docs-master/dev/table/functions/systemFunctions.html

  • https://ci.apache.org/projects/flink/flink-docs-master/dev/table/functions/udfs.html

如果有碰到任何问题,请加入下面这个钉钉群讨论。后续我们会有更多Tutorial的文章,敬请期待。

Apache Zeppelin 公众号

发布于: 2020 年 06 月 15 日 阅读数: 291
用户头像

章剑锋_Jeff

关注

还未添加个人签名 2017.10.18 加入

Apache Member, PMC of Apache Tez, Livy, Zeppelin. Committer of Apache Pig

评论 (1 条评论)

发布
用户头像
感谢分享原创文章,InfoQ首页推荐。
2020 年 06 月 16 日 10:04
回复
没有更多了
Flink on Zeppelin (2) - Batch篇