Flink实战(六) - Table API & SQL编程
1 意义
1.1 分层的 apis & 抽象层次
flink提供三层api。 每个api在简洁性和表达性之间提供不同的权衡,并针对不同的用例。
而且flink提供不同级别的抽象来开发流/批处理应用程序
- 最低级抽象只提供有状态流。它通过process function嵌入到datastream api中。它允许用户*处理来自一个或多个流的事件,并使用一致的容错状态。此外,用户可以注册事件时间和处理时间回调,允许程序实现复杂的计算。
- 实际上,大多数应用程序不需要上述低级抽象,而是针对core api编程, 如datastream api(有界/*流)和dataset api (有界数据集)。这些流畅的api提供了用于数据处理的通用构建块,例如各种形式的用户指定的转换,连接,聚合,窗口,状态等。在这些api中处理的数据类型在相应的编程语言中表示为类。
低级process function与datastream api集成,因此只能对某些 算子操作进行低级抽象。该数据集api提供的有限数据集的其他原语,如循环/迭代。 - 该 table api 是为中心的声明性dsl 表,其可被动态地改变的表(表示流时)。该 table api遵循(扩展)关系模型:表有一个模式连接(类似于在关系数据库中的表)和api提供可比的 算子操作,如选择,项目,连接,分组依据,聚合等 table api程序以声明方式定义应该执行的逻辑 算子操作,而不是准确指定 算子操作代码的外观。虽然 table api可以通过各种类型的用户定义函数进行扩展,但它的表现力不如core api,但使用更简洁(编写的代码更少)。此外, table api程序还会通过优化程序,在执行之前应用优化规则。
可以在表和datastream / dataset之间无缝转换,允许程序混合 table api以及datastream 和dataset api。 - flink提供的*抽象是sql。这种抽象在语义和表达方面类似于 table api,但是将程序表示为sql查询表达式。在sql抽象与 table api紧密地相互作用,和sql查询可以通过定义表来执行 table api。1.2 模型类比mapreduce ==> hive sql
spark ==> spark sql
flink ==> sql
2 总览
2.1 简介
apache flink具有两个关系型api
- table api
- sql
用于统一流和批处理
table api是scala和java语言集成查询api,可以非常直观的方式组合来自关系算子的查询(e.g. 选择,过滤和连接).
flink的sql支持基于实现sql标准的apache calcite。无论输入是批输入(dataset)还是流输入(datastream),任一接口中指定的查询都具有相同的语义并指定相同的结果。
table api和sql接口彼此紧密集成,就如flink的datastream和dataset api。我们可以轻松地在基于api构建的所有api和库之间切换。例如,可以使用cep库从datastream中提取模式,然后使用 table api分析模式,或者可以在预处理上运行gelly图算法之前使用sql查询扫描,过滤和聚合批处理表数据。
table api和sql尚未完成并且正在积极开发中。并非 table api,sql和stream,batch输入的每种组合都支持所有算子操作
2.2 依赖结构
所有table api和sql组件都捆绑在flink-table maven工件中。
以下依赖项与大多数项目相关:
- flink-table-common
通过自定义函数,格式等扩展表生态系统的通用模块。 - flink-table-api-java
使用java编程语言的纯表程序的表和sql api(在早期开发阶段,不推荐!)。 - flink-table-api-scala
使用scala编程语言的纯表程序的表和sql api(在早期开发阶段,不推荐!)。 - flink-table-api-java-bridge
使用java编程语言支持datastream / dataset api的table&sql api。 - flink-table-api-scala-bridge
使用scala编程语言支持datastream / dataset api的table&sql api。 - flink-table-planner
表程序规划器和运行时。 - flink-table-uber
将上述模块打包成大多数table&sql api用例的发行版。 uber jar文件flink-table * .jar位于flink版本的/ opt目录中,如果需要可以移动到/ lib。
2.3 项目依赖
必须将以下依赖项添加到项目中才能使用table api和sql来定义管道:
<dependency> <groupid>org.apache.flink</groupid> <artifactid>flink-table-planner_2.11</artifactid> <version>1.8.0</version> </dependency>
此外,根据目标编程语言,您需要添加java或scala api。
<!-- either... --> <dependency> <groupid>org.apache.flink</groupid> <artifactid>flink-table-api-java-bridge_2.11</artifactid> <version>1.8.0</version> </dependency> <!-- or... --> <dependency> <groupid>org.apache.flink</groupid> <artifactid>flink-table-api-scala-bridge_2.11</artifactid> <version>1.8.0</version> </dependency>
在内部,表生态系统的一部分是在scala中实现的。 因此,请确保为批处理和流应用程序添加以下依赖项:
<dependency> <groupid>org.apache.flink</groupid> <artifactid>flink-streaming-scala_2.11</artifactid> <version>1.8.0</version> </dependency>
2.4 扩展依赖
如果要实现与kafka或一组用户定义函数交互的自定义格式,以下依赖关系就足够了,可用于sql客户端的jar文件:
<dependency> <groupid>org.apache.flink</groupid> <artifactid>flink-table-common</artifactid> <version>1.8.0</version> </dependency>
目前,该模块包括以下扩展点:
- serializationschemafactory
- deserializationschemafactory
- scalarfunction
- tablefunction
- aggregatefunction
3 概念和通用api
table api和sql集成在一个联合api中。此api的核心概念是table用作查询的输入和输出。本文档显示了具有 table api和sql查询的程序的常见结构,如何注册table,如何查询table以及如何发出table。
3.1 table api和sql程序的结构
批处理和流式传输的所有 table api和sql程序都遵循相同的模式。以下代码示例显示了 table api和sql程序的常见结构。
// 对于批处理程序,使用executionenvironment而不是streamexecutionenvironment streamexecutionenvironment env = streamexecutionenvironment.getexecutionenvironment(); // 创建一个tableenvironment // 对于批处理程序使用batchtableenvironment而不是streamtableenvironment streamtableenvironment tableenv = streamtableenvironment.create(env); // 注册一个 table tableenv.registertable("table1", ...) // 或者 tableenv.registertablesource("table2", ...); // 或者 tableenv.registerexternalcatalog("extcat", ...); // 注册一个输出 table tableenv.registertablesink("outputtable", ...); / 从 table api query 创建一个table table tapiresult = tableenv.scan("table1").select(...); // 从 sql query 创建一个table table sqlresult = tableenv.sqlquery("select ... from table2 ... "); // 将表api结果表发送到tablesink,对于sql结果也是如此 tapiresult.insertinto("outputtable"); // 执行 env.execute();
3.2 将datastream或dataset转换为表
它也可以直接转换为a 而不是注册a datastream或datasetin 。如果要在 table api查询中使用table,这很方便。tableenvironmenttable
// 获取streamtableenvironment //在batchtableenvironment中注册dataset是等效的 streamtableenvironment tableenv = streamtableenvironment.create(env); datastream<tuple2<long, string>> stream = ... // 将datastream转换为默认字段为“f0”,“f1”的表 table table1 = tableenv.fromdatastream(stream); // 将datastream转换为包含字段“mylong”,“mystring”的表 table table2 = tableenv.fromdatastream(stream, "mylong, mystring");
- sale.csv文件
- scala
- java
还不完善,等日后flink该模块开发完毕再深入研究!