【Flink-API】Table API & SQL 以及自定义UDF函数

本文涉及的产品
实时计算 Flink 版,5000CU*H 3个月
简介: 【Flink-API】Table API & SQL 以及自定义UDF函数

一、 Flink Table API & SQL简介


1.1 Table API & SQL的背景


Flink虽然已经拥有了强大的DataStream/DataSet API,而且非常的灵活,但是需要熟练使用Eva或Scala的编程Flink编程API编写程序,为了满足流计算和批计算中的各种场景需求,同时降低用户使用门槛,Flink供- -种关系型的API来实现流与批的统一,那么这就是Flink的Table & SQL API。

自2015年开始,阿里巴巴开始调研开源流计算引擎,最终决定基于Flink打造新一代计算引擎,针对Flink存在的不足进行优化和改进,并且在2019年初将最终代码开源,也就是我们熟知的Blink。Blink 在原来的Flink基础_上最显著的一个贡献就是Flink SQL的实现。


1.2 Table API & SQL的特点


Table & SQL API是-种关系型API,用户可以像操作mysql数据库表一样的操作数据, 而不需要写java代码完成Flink Function,更不需要手工的优化java代码调优。另外,SQL 作为一个非程序员可操作的语言,学习成本很低,如果一个系统提供SQL支持,将很容易被用户接受。

●Table API & SQL是关系型声明式的,是处理关系型结构化数据的

●Table API & SQL批流统一 ,支持stream流计算和batch离线计算

●Table API & SQL查询能够被有效的优化,查询可以高效的执行

●Table API & SQL编程比较容易,但是灵活度没有DataStream/DataSet API和底层Low-leve |API强


20200924172416804.png


二、离线计算TableAPI & SQL


2.1 ●BatchSQLEnvironmept (离线批处理Table API)

public class BachWordCountSQL {
    public static void main(String[] args) throws Exception {
        ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
        BatchTableEnvironment tEnv = BatchTableEnvironment.create(env);
        DataSet<WordCount> input = env.fromElements(
                new WordCount("storm", 1L),
                new WordCount("flink", 1L),
                new WordCount("hadoop", 1L),
                new WordCount("flink", 1L),
                new WordCount("storm", 1L),
                new WordCount("storm", 1L)
        );
        tEnv.registerDataSet("wordcount",input,"word,counts");
        String sql = "select word,sum(counts) as counts from wordcount group by word" +
                "having sum(counts) >=2 order by counts desc";
        Table table = tEnv.sqlQuery(sql);
        DataSet<WordCount> result = tEnv.toDataSet(table, WordCount.class);
        result.print();
    }
}

2.2 ●BatchTableEnvironmept (离线批处理Table API)

public class BachWordCountTable {
    public static void main(String[] args) throws Exception {
        ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
        BatchTableEnvironment tEnv = BatchTableEnvironment.create(env);
        DataSet<WordCount> input = env.fromElements(
                new WordCount("storm", 1L),
                new WordCount("flink", 1L),
                new WordCount("hadoop", 1L),
                new WordCount("flink", 1L),
                new WordCount("storm", 1L),
                new WordCount("storm", 1L)
        );
        Table table = tEnv.fromDataSet(input);
        Table filtered = table.groupBy("word")
                .select("word,counts.sum as counts")
                .filter("counts>=2")
                .orderBy("counts.desc");
        DataSet<WordCount> wordCountDataSet = tEnv.toDataSet(filtered, WordCount.class);
        wordCountDataSet.print();
    }
}

执行结果:


20200924192835516.png

三、实时计算TableAPI & SQL


3.1 ●StreamSQLEnvironment (实时流处理Table API)

public class StreamSqlWordCount {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        //1.实时的table的上下文
        StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env);
        // socket 数据源[hadoop spark flink]
        DataStreamSource<String> lines = env.socketTextStream("192.168.52.200", 8888);
        SingleOutputStreamOperator<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
            @Override
            public void flatMap(String line, Collector<String> out) throws Exception {
                Arrays.stream(line.split(" ")).forEach(out::collect);
            }
        });
        //2.注册成为表
        tableEnv.registerDataStream("t_wordcount",words,"word");
        //3.SQL
        Table table = tableEnv.sqlQuery("SELECT word,COUNT(1) counts FROM t_wordcount GROUP BY word");
        //4.结果
        DataStream<Tuple2<Boolean, WordCount>> dataStream = tableEnv.toRetractStream(table, WordCount.class);
        dataStream.print();
        env.execute();
    }
}

运行结果如下:

20200924190153331.png


3.2 ●StreamTableEnvironment (实时流处理Table API)

    //2.注册成为表
        Table table = tableEnv.fromDataStream(words, "word");
        Table table2 = table.groupBy("word").select("word,count(1) as counts");
        DataStream<Tuple2<Boolean, Row>> dataStream = tableEnv.toRetractStream(table2, Row.class);
        dataStream.print();
        env.execute();


四、Window窗口和TableAPI & SQL


4.1 Thumb滚动窗口


实现滚动不同窗口内相同用户的金额计算,将窗口的起始结束时间,金额相加。


数据如下:

1000,user01,p1,5

2000,user01,p1,5

2000,user02,p1,3

3000,user01,p1,5

9999,user02,p1,3

19999,user01,p1,5

程序如下:

public class TumblingEventTimeWindowTable {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);
        env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
        StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env);
        DataStreamSource<String> socketDataStream = env.socketTextStream("192.168.52.200", 8888);
        SingleOutputStreamOperator<Row> rowDataStream = socketDataStream.map(new MapFunction<String, Row>() {
            @Override
            public Row map(String line) throws Exception {
                String[] fields = line.split(",");
                Long time = Long.parseLong(fields[0]);
                String uid = fields[1];
                String pid = fields[2];
                Double money = Double.parseDouble(fields[3]);
                return Row.of(time, uid, pid, money);
            }
        }).returns(Types.ROW(Types.LONG, Types.STRING, Types.STRING, Types.DOUBLE));
        SingleOutputStreamOperator<Row> waterMarkRow = rowDataStream.assignTimestampsAndWatermarks(
                new BoundedOutOfOrdernessTimestampExtractor<Row>(Time.seconds(0)) {
                    @Override
                    public long extractTimestamp(Row row) {
                        return (long) row.getField(0);
                    }
                }
        );
        tableEnv.registerDataStream("t_orders",waterMarkRow,"atime,uid,pid,money,rowtime.rowtime");
        Table table = tableEnv.scan("t_orders")
                .window(Tumble.over("10.seconds").on("rowtime").as("win"))
                .groupBy("uid,win")
                .select("uid,win.start,win.end,win.rowtime,money.sum as total");
        tableEnv.toAppendStream(table,Row.class).print();
        env.execute();
    }
}

运行结果如下:

20200924200216704.png


五、Kafka数据源—>Table API & SQL


5.1 KafkaToSQL

public class KafkaWordCountToSql {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env);
        tableEnv.connect(new Kafka()
                .version("universal")
                .topic("json-input")
                .startFromEarliest()
                .property("bootstrap.servers","hadoop1:9092")
        ).withFormat(new Json().deriveSchema()).withSchema(new Schema()
                .field("name", TypeInformation.of(String.class))
                .field("gender",TypeInformation.of(String.class))
        ).inAppendMode().registerTableSource("kafkaSource");
        Table select = tableEnv.scan("kafkaSource").groupBy("gender")
                .select("gender,count(1) as counts");
        tableEnv.toRetractStream(select, Row.class).print();
        env.execute();
    }
}


相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
Linux入门到精通
本套课程是从入门开始的Linux学习课程,适合初学者阅读。由浅入深案例丰富,通俗易懂。主要涉及基础的系统操作以及工作中常用的各种服务软件的应用、部署和优化。即使是零基础的学员,只要能够坚持把所有章节都学完,也一定会受益匪浅。
目录
相关文章
|
3天前
|
SQL 数据库
SQL FORMAT() 函数
SQL FORMAT() 函数
10 2
|
4天前
|
SQL
SQL ROUND() 函数
SQL ROUND() 函数
12 1
|
3天前
|
SQL 数据库
SQL NOW() 函数
SQL NOW() 函数
5 0
|
4天前
|
SQL 关系型数据库 MySQL
SQL LEN() 函数
SQL LEN() 函数
8 0
|
2天前
|
JSON 安全 API
如何高效编写API接口:以Python与Flask为例
构建RESTful API的简明教程:使用Python的Flask框架,从环境准备(安装Python,设置虚拟环境,安装Flask)到编写首个API(包括获取用户列表和单个用户信息的路由)。运行API服务器并测试在`http://127.0.0.1:5000/users`。进阶话题包括安全、数据库集成、API文档生成和性能优化。【6月更文挑战第27天】
20 7
|
2天前
|
JSON 安全 API
实战指南:使用PHP构建高性能API接口服务端
构建RESTful API的简要指南:使用PHP和Laravel,先安装Laravel并配置数据库,接着在`api.php`中定义资源路由,创建`PostController`处理CRUD操作,定义`Post`模型与数据库交互。使用Postman测试API功能,如创建文章。别忘了关注安全性、错误处理和性能优化。
12 2
|
4天前
|
人工智能 运维 Serverless
函数计算产品使用问题之启动的实例是否有调用api接口停止功能
函数计算产品作为一种事件驱动的全托管计算服务,让用户能够专注于业务逻辑的编写,而无需关心底层服务器的管理与运维。你可以有效地利用函数计算产品来支撑各类应用场景,从简单的数据处理到复杂的业务逻辑,实现快速、高效、低成本的云上部署与运维。以下是一些关于使用函数计算产品的合集和要点,帮助你更好地理解和应用这一服务。
|
5天前
|
数据挖掘 API 开发者
​Email API有哪些,最好的3个API接口有哪些
Email API如SendGrid、Mailgun和AOKSend是企业自动化邮件通信的关键工具。它们提供邮件发送、接收和管理功能,提升效率,优化客户体验。SendGrid以其高可靠性、强大分析和易于集成备受青睐;Mailgun以灵活性和高发送率著称;而AOKSend则以其高效、详细分析和易用性脱颖而出。通过使用这些API,企业能实现定制化邮件服务,跟踪性能,提升邮件营销效果。
|
5天前
|
API
个人微信api接口源代码
个人微信api接口源代码
|
9天前
|
自然语言处理 安全 API
触发邮件接口有哪些?邮件API文档
**触发邮件接口**如AokSend、Mailgun、Amazon SES、Postmark和Sendinblue是自动化企业通信的关键。这些接口在特定事件时自动发送邮件,提高效率和客户体验。例如,AokSend提供详细的API文档,支持事件触发、模板管理和多语言集成;Mailgun以灵活性著称;Amazon SES适合大规模发送;Postmark专注于事务邮件;Sendinblue则提供邮件、短信和营销自动化功能。每种服务都有示例代码展示如何使用API发送邮件。选择合适的接口能提升企业通信效率和客户满意度。