FlinkSQL自制脑图，
Flink SQL 是 Flink 实时计算为简化计算模型，降低用户使用实时计算门槛而设计的一套符合标准 SQL 语义的开发语言。
Flink SQL 是面向用户的 API 层，在我们传统的流式计算领域，比如 Storm、Spark Streaming 都会提供一些 Function 或者 Datastream API，用户通过 Java 或 Scala 写业务逻辑，这种方式虽然灵活，但有一些不足，比如具备一定门槛且调优较难，随着版本的不断更新，API 也出现了很多不兼容的地方。
Flink本身是批流统一的处理框架，所以Table API和SQL，就是批流统一的上层处理API。目前功能尚未完善，处于活跃的开发阶段。
Table API是一套内嵌在Java和Scala语言中的查询API，它允许我们以非常直观的方式，组合来自一些关系运算符的查询（比如select、filter和join）。
而对于Flink SQL，就是直接可以在代码中写SQL，来实现一些查询（Query）操作。Flink的SQL支持，基于实现了SQL标准的Apache Calcite（Apache开源SQL解析工具）。
无论输入是批输入还是流式输入，在这两套API中，指定的查询都具有相同的语义，得到相同的结果。
Table API 和 SQL 需要引入的依赖有两个：
planner——flink-table-planner——planner计划器，是table API最主要的部分，提供了运行时环境和生成程序执行计划的planner
bridge——flink-table-api-scala-bridge——bridge桥接器，主要负责table API和 DataStream/DataSet API的连接支持，按照语言分java和scala；
这里的两个依赖，是IDE环境下运行需要添加的；如果是生产环境，lib目录下默认已经有了planner，就只需要有bridge就可以了。
如果想使用用户自定义函数，或是跟 kafka 做连接，需要有一个SQL client，这个包含在 flink-table-common 里。
Flink给我们提供了两种查询方式：Table API和SQL。
Table API是集成在Scala和Java语言内的查询API。与SQL不同，Table API的查询不会用字符串表示，而是在宿主语言中一步一步调用完成的。
Flink的SQL集成，基于的是ApacheCalcite，它实现了SQL标准。在Flink中，用常规字符串来定义SQL查询语句。SQL 查询的结果，是一个新的 Table。
Flink的 DataStream 和 DataSet API 支持多种类型。组合类型、元组类型和原子类型。
比如元组（内置Scala和Java元组）、POJO、Scala case类和Flink的Row类型等，允许具有多个字段的嵌套数据结构，这些字段可以在Table的表达式中访问。其他类型，则被视为原子类型。
对于流式查询（Streaming Queries），需要声明如何在（动态）表和外部连接器之间执行转换。与外部系统交换的消息类型，由更新模式（update mode）指定。
Flink专门为Table API的jdbc连接提供了flink-jdbc连接器，我们需要先引入依赖：jdbc连接的代码实现比较特殊，因为没有对应的java/scala类实现 ConnectorDescriptor，所以不能直接 tableEnv.connect()。不过Flink SQL留下了执行DDL的接口：tableEnv.sqlUpdate()。
对于jdbc的创建表操作，天生就适合直接写DDL来实现，所以我们的代码可以这样写：表可以转换为DataStream或DataSet。这样，自定义流处理或批处理程序就可以继续在 Table API或SQL查询的结果上运行了。
将表转换为DataStream或DataSet时，需要指定生成的数据类型，即要将表的每一行转换成的数据类型。通常，最方便的转换类型就是Row。当然，因为结果的所有字段类型都是明确的，我们也经常会用元组类型来表示。
表作为流式查询的结果，是动态更新的。所以，将这种动态查询转换成的数据流，同样需要对表的更新操作进行编码，进而有不同的转换模式。
Table API 中表到 DataStream 有两种模式：用于表只会被插入（Insert）操作更改的场景，用于任何场景。有些类似于更新模式中Retract模式，它只有 Insert 和 Delete 两类操作。
