Flink_SQL 应用

1.批数据 SQL

参考代码

package com.czxy.flink.stream

import org.apache.flink.api.scala.ExecutionEnvironment
import org.apache.flink.table.api.{Table, TableEnvironment}
import org.apache.flink.table.api.scala.BatchTableEnvironment
import org.apache.flink.types.Row

/**
 * 需求：
 * 使用 Flink SQL 统计用户消费订单的总金额、 最大金额、 最小金额、 订单总数。
 * 实现步骤：
 * 1) 获取一个批处理运行环境
 * 2) 获取一个 Table 运行环境
 * 3) 创建一个样例类 Order 用来映射数据（订单名、 用户名、 订单日期、 订单金额）
 * 4) 基于本地 Order 集合创建一个 DataSet source
 * 5) 使用 Table 运行环境将 DataSet 注册为一张表
 * 6) 使用 SQL 语句来操作数据（统计用户消费订单的总金额、 最大金额、 最小金额、 订单总数）
 * 7) 使用 TableEnv.toDataSet 将 Table 转换为 DataSet
 * 8) 打印测试
 */
object BatchFlinkSql {
  //3.创建一个样例类 Order 用来映射数据（订单名、 用户名、 订单日期、 订单金额）
  case class Order(id:Int,userName:String,createTime:String,money:Double)
  
  def main(args: Array[String]): Unit = {
    //1.获取一个批处理运行环境
    val env: ExecutionEnvironment = ExecutionEnvironment.getExecutionEnvironment
    //2.获取一个 Table 运行环境
    val tableEnv: BatchTableEnvironment = TableEnvironment.getTableEnvironment(env)
    //4. 基于本地 Order 集合创建一个 DataSet source
    import org.apache.flink.api.scala._
    val orderDataSet: DataSet[Order] = env.fromElements(
      Order(1, "zhangsan", "2018-10-20 15:30", 358.5),
      Order(2, "zhangsan", "2018-10-20 16:30", 131.5),
      Order(3, "lisi", "2018-10-20 16:30", 127.5),
      Order(4, "lisi", "2018-10-20 16:30", 328.5),
      Order(5, "lisi", "2018-10-20 16:30", 432.5),
      Order(6, "zhaoliu", "2018-10-20 22:30", 451.0),
      Order(7, "zhaoliu", "2018-10-20 22:30", 362.0),
      Order(8, "zhaoliu", "2018-10-20 22:30", 364.0),
      Order(9, "zhaoliu", "2018-10-20 22:30", 341.0)
    )
    //5. 使用 Table 运行环境将 DataSet 注册为一张表
    tableEnv.registerDataSet("t_order",orderDataSet)
    //6.使用 SQL 语句来操作数据（统计用户消费订单的总金额、 最大金额、 最小金额、 订单总数）
    //订单名、 用户名、 订单日期、 订单金额
    val sql=
      """
        |select
        | userName,
        | sum(money) as totalMoney,
        | max(money) as maxMoney,
        | min(money) as minMoney,
        | count(1) as totalCount
        | from t_order
        | group by userName
        |""".stripMargin
    val table: Table = tableEnv.sqlQuery(sql)
    table.printSchema()
    //7.使用 TableEnv.toDataSet 将 Table 转换为 DataSet
    val result: DataSet[Row] = tableEnv.toDataSet[Row](table)
    //8.打印测试
    result.print()
  }
}

2. 流数据 SQL

参考代码

package com.czxy.flink.stream

import java.util.UUID
import java.util.concurrent.TimeUnit

import org.apache.flink.streaming.api.TimeCharacteristic
import org.apache.flink.streaming.api.functions.source.{RichSourceFunction, SourceFunction}
import org.apache.flink.streaming.api.functions.timestamps.BoundedOutOfOrdernessTimestampExtractor
import org.apache.flink.streaming.api.scala.{DataStream, StreamExecutionEnvironment}
import org.apache.flink.streaming.api.windowing.time.Time
import org.apache.flink.table.api.{Table, TableEnvironment}
import org.apache.flink.table.api.scala.StreamTableEnvironment
import org.apache.flink.types.Row
import org.apache.flink.api.scala._
import scala.util.Random

/**
 * 需求：
 * 使用 Flink SQL 来统计 5 秒内 用户的 订单总数、 订单的最大金额、 订单的最小金额。
 * 实现思路：
 * 1) 获取流处理运行环境
 * 2) 获取 Table 运行环境
 * 3) 设置处理时间为 EventTime
 * 4) 创建一个订单样例类 Order ， 包含四个字段（订单 ID、 用户 ID、 订单金额、 时间戳）
 * 5) 创建一个自定义数据源
 *    a. 使用 for 循环生成 1000 个订单
 *    b. 随机生成订单 ID（UUID）
 *    c. 随机生成用户 ID（0-2）
 *    d. 随机生成订单金额（0-100）
 *    e. 时间戳为当前系统时间
 *    f. 每隔 1 秒生成一个订单
 * 6) 添加水印， 允许延迟 2 秒
 * 7) 导入 import org.apache.flink.table.api.scala._ 隐式参数
 * 8) 使用 registerDataStream 注册表， 并分别指定字段， 还要指定 rowtime 字段
 * 9) 编写 SQL 语句统计用户订单总数、 最大金额、 最小金额分组时要使用 tumble(时间列,interval '窗口时间' second) 来创建窗口
 * 10) 使用 tableEnv.sqlQuery 执行 sql 语句
 * 11) 将 SQL 的执行结果转换成 DataStream 再打印出来
 * 12) 启动流处理程序
 */
object StreamFlinkSql {

  //4.创建一个订单样例类 Order ， 包含四个字段（订单 ID、 用户 ID、 订单金额、 时间戳）
  case class Order(orderId: String, userId: Int, money: Long, createTime: Long)

  def main(args: Array[String]): Unit = {
    
    //1.获取流处理运行环境
    val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment

    //2.获取 Table 运行环境
    val tableEnv: StreamTableEnvironment = TableEnvironment.getTableEnvironment(env)

    //3.设置处理时间为 EventTime
    env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)

    //5.创建一个自定义数据源
    val orderDataStream: DataStream[Order] = env.addSource(new RichSourceFunction[Order] {
      //定义一个字段boolean
      var isRunning: Boolean = true

      /**
       * a. 使用 for 循环生成 1000 个订单
       * b. 随机生成订单 ID（UUID）
       * c. 随机生成用户 ID（0-2）
       * d. 随机生成订单金额（0-100）
       * e. 时间戳为当前系统时间
       * f. 每隔 1 秒生成一个订单
       *
       * @param ctx
       */
      override def run(ctx: SourceFunction.SourceContext[Order]): Unit = {
        //a. 使用 for 循环生成 1000 个订单
        for (i <- 0 until 1000 if isRunning) {
          val order: Order = Order(UUID.randomUUID().toString, Random.nextInt(3), Random.nextInt(101), System.currentTimeMillis())
          TimeUnit.SECONDS.sleep(1)
          ctx.collect(order)
        }
      }

      override def cancel(): Unit = {
        isRunning = false
      }
    })
    //6.添加水印， 允许延迟 2 秒
    val waterMark: DataStream[Order] = orderDataStream.assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor[Order](Time.seconds(2)) {
      override def extractTimestamp(element: Order): Long = {
        val eventTime: Long = element.createTime
        eventTime
      }
    })
    //7.导入 import org.apache.flink.table.api.scala._ 隐式参数
    import org.apache.flink.table.api.scala._
    //8.使用 registerDataStream 注册表， 并分别指定字段， 还要指定 rowtime 字段
    tableEnv.registerDataStream("t_order",waterMark,'orderId,'userId,'money,'createTime.rowtime)

    //9.编写 SQL 语句统计用户订单总数、 最大金额、
    // 最小金额分组时要使用 tumble(时间列,interval '窗口时间' second) 来创建窗口

    val sql=
      """
        | select
        |   userId,
        |   count(1) as totalCount,
        |   max(money) as maxMoney,
        |   min(money) as minMoney
        | from t_order
        | group by userId,tumble(createTime,interval '5' second)
        |""".stripMargin
    //10.使用 tableEnv.sqlQuery 执行 sql 语句
    val table: Table = tableEnv.sqlQuery(sql)
    table.printSchema()
    //11.将 SQL 的执行结果转换成 DataStream 再打印出来
    val result: DataStream[Row] = tableEnv.toAppendStream[Row](table)
    //12.打印输出
    result.print()

    env.execute(this.getClass.getSimpleName)
  }
}