Flink SQL & Table简单实例

简介

与传统的SQL查询相比，FlinkSQL是动态表查询，SQL不会中止，会不断的执行；

Kafka数据不断的被注入到动态表中，FlinkSQL则会在这张动态表中不断的执行。FLink从0.9版本中支持FLinkSQL,但是目前为止，FlnikSQL和Table没有支持完全的业务场景，有些场景没有调优等。所以需要到官网进行查询是否支持业务场景。

与传统SQL一样，但是增加和窗口和排序。先指定一个 key

Flink SQL&Table位于DataStream和DataSet的上层，正是因为它（Flink SQL&Table）的存在，Flink才真正做到了批流一体：一套API完成批处理和流处理操作。

Calcite->从图中可以看到无论是批查询 SQL 还是流式查询 SQL，都会经过对应的转换器 Parser 转换成为节点树 SQLNode tree，然后生成逻辑执行计划 Logical Plan，逻辑执行计划在经过优化后生成真正可以执行的物理执行计划，交给 DataSet 或者 DataStream 的 API 去执行。

图片来源：王知无《42讲通关Flink》

pom依赖

		<dependency>
			<groupId>org.apache.flink</groupId>
			<artifactId>flink-streaming-java_2.11</artifactId>
			<version>1.10.0</version>
		</dependency>
		
		<dependency>
			<groupId>org.apache.flink</groupId>
			<artifactId>flink-table-planner-blink_2.11</artifactId>
			<version>1.10.0</version>
			<scope>provided</scope>
		</dependency>

数据源流源码

数据源的pojo用户信息对象数据在下文的博客中的“模拟数据对象代码”中已有说明，不再赘述：

Flink的常见算子和实例代码

数据源流源码

public class UserImageSource implements SourceFunction<UserImage>{

	private boolean is_Running = true;
	
	@Override
	public void run(SourceContext<UserImage> ctx) throws Exception {
		// TODO Auto-generated method stub
		int i = 0;
		while(is_Running) {
			UserImage user = new UserImage();
			ctx.collect(user);
			//每1秒一个数据
			Thread.sleep(1000);
		}
	}

	@Override
	public void cancel() {
		// TODO Auto-generated method stub
		is_Running=false;
	}

}

FlinkSQL处理代码

public class FlinkSQLDemo {
public static void main(String[] args) throws Exception {
	 //配置运行环境
     StreamExecutionEnvironment bsEnv = StreamExecutionEnvironment.getExecutionEnvironment();
     bsEnv.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);
	 StreamTableEnvironment bsTableEnv = StreamTableEnvironment.create(bsEnv);
	 //
	 SingleOutputStreamOperator<UserImage> source = bsEnv.addSource(new UserImageSource()).map(new MapFunction<UserImage, UserImage>() {

		@Override
		public UserImage map(UserImage value) throws Exception {
			// TODO Auto-generated method stub
			//不做处理 仅仅转换为DataStream
			return value;
		}
	});
	 
	 DataStream<UserImage> leader = source.split(new OutputSelector<UserImage>() {
		
		@Override
		public Iterable<String> select(UserImage value) {
			// TODO Auto-generated method stub
			//根据实现方法设置返回类型
			List<String> output = new ArrayList<>();
			
			//分流操作：设置分流类别
			if(value.getGroupId()==1) {
				output.add("leader");
			}else {
				output.add("stranger");
			}
			
			//返回分流类别
			return output;
		}
		//源码： Output object for which the output selection should be made.   输出的是选中类别，即select("leader")标记的UserImage value 这个value在源码中是OUT
	}).select("leader");
	 
	 //复制方法
	 DataStream<UserImage> stranger = source.split(new OutputSelector<UserImage>() {
			
			@Override
			public Iterable<String> select(UserImage value) {
				// TODO Auto-generated method stub
				//根据实现方法设置返回类型
				List<String> output = new ArrayList<>();
				
				//分流操作：设置分流类别
				if(value.getGroupId()==1) {
					output.add("leader");
				}else {
					output.add("stranger");
				}
				
				//返回分流类别
				return output;
			}
			//源码： Output object for which the output selection should be made.   输出的是选中类别，即select("leader")标记的UserImage value 这个value在源码中是OUT
		}).select("stranger");
	 
	 leader.printToErr();
	 stranger.printToErr();
	 
	 //创建SQL表 								//TableName,DataStream,cloumn
	 bsTableEnv.createTemporaryView("leaderTable", leader, "name,groupId,groupName");
	 bsTableEnv.createTemporaryView("strangerTable", stranger, "name,groupId,groupName");
	 
     Table queryTable = bsTableEnv.sqlQuery("select name,groupId,groupName from leaderTable");
     
     //打印出多态表单的所有数据
     queryTable.printSchema();
     
     //打印筛选数据：表转换为流； 
     //toRetractStream缩进模式：始终可以使用此模式。返回值是boolean类型。它用true或false来标记数据的插入和撤回，返回true代表数据插入，false代表数据的撤回
     bsTableEnv.toRetractStream(queryTable, TypeInformation.of(new TypeHint<Tuple3<String,Integer,String>>(){})).print();

     //bsTableEnv.toRetractStream(queryTable, TypeInformation.of(new TypeHint<Tuple4<Integer,String,Integer,String>>(){})).print();
     
     bsEnv.execute("streaming sql job");
}
}

OutputSelector处理

源码中：
Output object for which the output selection should be made. 为输出对象选中类别，即处理代码中的output的arraylist是标记输出流对象数据的类别，select(“leader”)标记的UserImage value则是选中类别为"leader"的对象。

解析表数据转流数据toRetractStream

使用flinkSQL处理实时数据把表转化成流有两种方法：
toAppendStream与toRetractStream

• toAppendStream

追加模式：只有在动态Table仅通过INSERT更改修改时才能使用此模式，即它仅附加，并且以前发出的结果永远不会更新。

如果更新或删除操作使用追加模式会失败报错

• toRetractStream：

始终可以使用此模式。返回值是boolean类型。它用true或false来标记数据的插入和撤回，返回true代表数据插入，false代表数据的撤回

引用来源：flink实战——flinkSQL 追加模式与缩进模式（toRetractStream）的区别

实现效果

FlinkSQL过滤出主角团——草帽海贼团的用户画像。

附录

问题描述

Exception in thread “main” org.apache.flink.table.api.TableException: Could not instantiate the executor. Make sure a planner module is on the classpath
at org.apache.flink.table.api.java.internal.StreamTableEnvironmentImpl.lookupExecutor(StreamTableEnvironmentImpl.java:147)
at org.apache.flink.table.api.java.internal.StreamTableEnvironmentImpl.create(StreamTableEnvironmentImpl.java:116)
at org.apache.flink.table.api.java.StreamTableEnvironment.create(StreamTableEnvironment.java:112)
at Computer.FlinkSQLDemo.main(FlinkSQLDemo.java:22)
Caused by: org.apache.flink.table.api.NoMatchingTableFactoryException: Could not find a suitable table factory for ‘org.apache.flink.table.delegation.ExecutorFactory’ in
the classpath.

问题现象

原因

定位到EnvironmentSettings有问题。

解决方案

修改为StreamTableEnvironment 多态的StreamExecutionEnvironment参数形式。

//配置运行环境
StreamExecutionEnvironment bsEnv = StreamExecutionEnvironment.getExecutionEnvironment();
bsEnv.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);
StreamTableEnvironment bsTableEnv = StreamTableEnvironment.create(bsEnv);

码字不易， 如果看懂了点个赞，评论鼓励一下，给编者点小动力，不做拿来主义者，谢谢啦~😁

SQL DDL/DML

Table和SQL的关系：SQL是Table的继承封装，比如说：StreamTableEnvironment继承自TableEnvironment便可体现出来。
本完介绍了Flink Table的使用，而关于Flink SQL的使用体现在下文中：
FlinkSQL使用DDL创建Kafka生产和消费者