既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
前言
1. 什么是 Apache Paimon
Apache Paimon (incubating) 是一项流式数据湖存储技术，可以为用户提供高吞吐、低延迟的数据摄入、流式订阅以及实时查询能力。
Paimon 采用开放的数据格式和技术理念，可以与 Apache Flink / Spark / Trino 等诸多业界主流计算引擎进行对接，共同推进 Streaming Lakehouse 架构的普及和发展。
Paimon 以湖存储的方式基于分布式文件系统管理元数据，并采用开放的 ORC、Parquet、Avro 文件格式，支持各大主流计算引擎，包括 Flink、Spark、Hive、Trino、Presto。未来会对接更多引擎，包括 Doris 和 Starrocks。
Github：https://github.com/apache/incubator-paimon
以下为快速入门上手Paimon的example：
一、本地环境快速上手
基于paimon 0.4-SNAPSHOT （Flink 1.14.4），Flink版本太低是不支持的，paimon基于最低版本1.14.6，经尝试在Flink1.14.0是不可以的！
paimon-flink-1.14-0.4-20230504.002229-50.jar
1、本地Flink伪集群
-
需要先下载jar包，并添加至flink的lib中；
-
根据官网demo，启动flinksql-client，创建catalog，创建表，创建数据源（视图），insert数据到表中。
- 通过 localhost:8081 查看 Flink UI
- 查看filesystem数据、元数据文件
2、IDEA中跑Paimon Demo
pom依赖：
<dependency>
<groupId>org.apache.paimon</groupId>
<artifactId>paimon-flink-1.14</artifactId>
<version>0.4-SNAPSHOT</version>
</dependency>
拉取不到的可以手动添加到本地maven仓库：
mvn install:install-file -DgroupId=org.apache.paimon -DartifactId=paimon-flink-1.14 -Dversion=0.4-SNAPSHOT -Dpackaging=jar -Dfile=D:\software\paimon-flink-1.14-0.4-20230504.002229-50.jar
2.1 代码
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.TableEnvironment;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
/**
* @Author: YK.Leo
* @Date: 2023-05-14 15:12
* @Version: 1.0
*/
// Succeed at local ！！！
public class OfficeDemoV1 {
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
env.enableCheckpointing(10000l);
env.getCheckpointConfig().setCheckpointStorage("file:/D:/tmp/paimon/");
TableEnvironment tableEnv = StreamTableEnvironment.create(env);
// 0. Create a Catalog and a Table
tableEnv.executeSql("CREATE CATALOG my_catalog_api WITH (\n" +
" 'type'='paimon',\n" + // todo: !!!
" 'warehouse'='file:///D:/tmp/paimon'\n" +
")");
tableEnv.executeSql("USE CATALOG my_catalog_api");
tableEnv.executeSql("CREATE TABLE IF NOT EXISTS word_count_api (\n" +
" word STRING PRIMARY KEY NOT ENFORCED,\n" +
" cnt BIGINT\n" +
")");
// 1. Write Data
tableEnv.executeSql("CREATE TEMPORARY TABLE IF NOT EXISTS word_table_api (\n" +
" word STRING\n" +
") WITH (\n" +
" 'connector' = 'datagen',\n" +
" 'fields.word.length' = '1'\n" +
")");
// tableEnv.executeSql("SET 'execution.checkpointing.interval' = '10 s'");
tableEnv.executeSql("INSERT INTO word_count_api SELECT word, COUNT(*) FROM word_table_api GROUP BY word");
env.execute();
}
}
2.2 IDEA中成功运行
3、IDEA中Stream读写
3.1 流写
代码：
package com.study.flink.table.paimon.demo;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.StatementSet;
import org.apache.flink.table.api.TableEnvironment;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
/**
* @Author: YK.Leo
* @Date: 2023-05-17 11:11
* @Version: 1.0
*/
// succeed at local ！！！
public class OfficeStreamsWriteV2 {
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
env.enableCheckpointing(10000L);
env.getCheckpointConfig().setCheckpointStorage("file:/D:/tmp/paimon/");
TableEnvironment tableEnv = StreamTableEnvironment.create(env);
// 0. Create a Catalog and a Table
tableEnv.executeSql("CREATE CATALOG my_catalog_local WITH (\n" +
" 'type'='paimon',\n" + // todo: !!!
" 'warehouse'='file:///D:/tmp/paimon'\n" +
")");
tableEnv.executeSql("USE CATALOG my_catalog_local");
tableEnv.executeSql("CREATE DATABASE IF NOT EXISTS my_catalog_local.local_db");
tableEnv.executeSql("USE local_db");
// drop tbl
tableEnv.executeSql("DROP TABLE IF EXISTS paimon_tbl_streams");
tableEnv.executeSql("CREATE TABLE IF NOT EXISTS paimon_tbl_streams(\n"
+ " uuid bigint,\n"
+ " name VARCHAR(3),\n"
+ " age int,\n"
+ " ts TIMESTAMP(3),\n"
+ " dt VARCHAR(10), \n"
+ " PRIMARY KEY (dt, uuid) NOT ENFORCED \n"
+ ") PARTITIONED BY (dt) \n"
+ " WITH (\n" +
" 'merge-engine' = 'partial-update',\n" +
" 'changelog-producer' = 'full-compaction', \n" +
" 'file.format' = 'orc', \n" +
" 'scan.mode' = 'compacted-full', \n" +
" 'bucket' = '5', \n" +
" 'sink.parallelism' = '5', \n" +
" 'sequence.field' = 'ts' \n" + // todo, to check
")"
);
// datagen ====================================================================
tableEnv.executeSql("CREATE TEMPORARY TABLE IF NOT EXISTS source_A (\n" +
" uuid bigint PRIMARY KEY NOT ENFORCED,\n" +
" `name` VARCHAR(3)," +
" _ts1 TIMESTAMP(3)\n" +
") WITH (\n" +
" 'connector' = 'datagen', \n" +
" 'fields.uuid.kind'='sequence',\n" +
" 'fields.uuid.start'='0', \n" +
" 'fields.uuid.end'='1000000', \n" +
" 'rows-per-second' = '1' \n" +
")");
tableEnv.executeSql("CREATE TEMPORARY TABLE IF NOT EXISTS source_B (\n" +
" uuid bigint PRIMARY KEY NOT ENFORCED,\n" +
" `age` int," +
" _ts2 TIMESTAMP(3)\n" +
") WITH (\n" +
" 'connector' = 'datagen', \n" +
" 'fields.uuid.kind'='sequence',\n" +
" 'fields.uuid.start'='0', \n" +
" 'fields.uuid.end'='1000000', \n" +
" 'rows-per-second' = '1' \n" +
")");
//
//tableEnv.executeSql("insert into paimon_tbl_streams(uuid, name, _ts1) select uuid, concat(name,'_A') as name, _ts1 from source_A");
//tableEnv.executeSql("insert into paimon_tbl_streams(uuid, age, _ts1) select uuid, concat(age,'_B') as age, _ts1 from source_B");
StatementSet statementSet = tableEnv.createStatementSet();
statementSet
.addInsertSql("insert into paimon_tbl_streams(uuid, name, ts, dt) select uuid, name, _ts1 as ts, date_format(_ts1,'yyyy-MM-dd') as dt from source_A")
.addInsertSql("insert into paimon_tbl_streams(uuid, age, dt) select uuid, age, date_format(_ts2,'yyyy-MM-dd') as dt from source_B")
;
statementSet.execute();
// env.execute();
}
}
结果：
如果只有一个流，上述代码完全没有问题【仅作为write demo一个流即可】，两个流会出现“写冲突”问题！
如下：
使用了官网的方法：Dedicated Compaction Job，似乎并没有奏效，至于解决方法请看下文 “二、进阶：本地（IDEA）多流拼接测试”；
3.2 流读（toChangeLogStream）
代码：
package com.study.flink.table.paimon.demo;
import org.apache.flink.api.common.functions.FilterFunction;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.Schema;
import org.apache.flink.table.api.Table;
import org.apache.flink.table.api.TableEnvironment;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
import org.apache.flink.table.connector.ChangelogMode;
import org.apache.flink.types.Row;
import org.apache.flink.types.RowKind;
import org.apache.logging.log4j.LogManager;
import org.apache.logging.log4j.Logger;
/**
* @Author: YK.Leo
* @Date: 2023-05-15 18:50
* @Version: 1.0
*/
// 流读单表OK！
public class OfficeStreamReadV1 {
public static final Logger LOGGER = LogManager.getLogger(OfficeStreamReadV1.class);
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
env.enableCheckpointing(10000L);
env.getCheckpointConfig().setCheckpointStorage("file:/D:/tmp/paimon/");
TableEnvironment tableEnv = StreamTableEnvironment.create(env);
// 0. Create a Catalog and a Table
tableEnv.executeSql("CREATE CATALOG my_catalog_local WITH (\n" +
" 'type'='paimon',\n" + // todo: !!!
" 'warehouse'='file:///D:/tmp/paimon'\n" +
")");
tableEnv.executeSql("USE CATALOG my_catalog_local");
tableEnv.executeSql("CREATE DATABASE IF NOT EXISTS my_catalog_local.local_db");
tableEnv.executeSql("USE local_db");
// 不需要再次创建表
// convert to DataStream
// Table table = tableEnv.sqlQuery("SELECT * FROM paimon_tbl_streams");
Table table = tableEnv.sqlQuery("SELECT * FROM paimon_tbl_streams WHERE name is not null and age is not null");
// DataStream<Row> dataStream = ((StreamTableEnvironment) tableEnv).toChangelogStream(table);
// todo : doesn't support consuming update and delete changes which is produced by node TableSourceScan
// DataStream<Row> dataStream = ((StreamTableEnvironment) tableEnv).toDataStream(table);
// 剔除 -U 数据（即：更新前的数据不需要重新发送，剔除）！！！
DataStream<Row> dataStream = ((StreamTableEnvironment) tableEnv)
.toChangelogStream(table, Schema.newBuilder().primaryKey("dt","uuid").build(), ChangelogMode.upsert())
.filter(new FilterFunction<Row>() {
@Override
public boolean filter(Row row) throws Exception {
boolean isNoteUpdateBefore = !(row.getKind().equals(RowKind.UPDATE_BEFORE));
if (!isNoteUpdateBefore) {
LOGGER.info("UPDATE_BEFORE: " + row.toString());
}
return isNoteUpdateBefore;
}
})
;
// use this datastream
dataStream.executeAndCollect().forEachRemaining(System.out::println);
env.execute();
}
}
结果：
二、进阶：本地（IDEA）多流拼接测试
要解决的问题：
多个流拥有相同的主键，每个流更新除主键外的部分字段，通过主键完成多流拼接。
note：
如果是两个Flink Job 或者 两个 pipeline 写同一个paimon表，则直接会产生conflict，其中一条流不断exception、重启；
可以使用 “UNION ALL” 将多个流合并为一个流，最终一个Flink job写paimon表；
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
aimon表，则直接会产生conflict，其中一条流不断exception、重启；
可以使用 “UNION ALL” 将多个流合并为一个流，最终一个Flink job写paimon表；
[外链图片转存中…(img-wBtzRoqm-1715660805036)]
[外链图片转存中…(img-pEyprZLq-1715660805037)]
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
372
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
