Flink系列--使用Flink cumulate累计窗口按照temperal join 聚合实时还款和借款以及余额总值

已于 2024-09-02 15:51:52 修改
阅读量557 收藏 7
点赞数 10
分类专栏： Flink 文章标签： flink
于 2024-08-23 10:05:41 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43462685/article/details/141458410
版权

业务背景：

  金融机构都会存在放贷场景，预期还款情况，真实还款情况，目前可借余额情况通常采用离线同步方式查询统计获得，用户想要查看实时数据就通常采用实时大屏的方式来解决，算是一类简单的通用场景。

借还款记录表

客户主表放到oracle中，可以通过Flink CDC方式同步到kafka中，kafka中对应的数据字段如下：

 CREATE TABLE KafkaTable (
     `jiaoyije` BIGINT,   -- 交易金额  oracle:NUMBER(17)    example: 210250
     `jiaoyils` STRING,   -- 交易流水  oracle:VARCHAR2(32)  example: PL19122100000718
     `jiaoyima` STRING,   -- 交易码    oracle:VARCHAR2(10)  example: ln05   '3020' 放款 和非3020 还款
     `yeziduan` STRING,   -- 余额字段  oracle:VARCHAR2(8)   example: YSYJLIXI
     `jiaoyirq` STRING,   -- 交易日期  oracle:VARCHAR2(8)   example: 20191221
     `SHIJCHUO` STRING,   -- 时间戳    oracle:NUMBER(19)    example: 1576939296809
     WATERMARK FOR `SHIJCHUO` AS `SHIJCHUO` - INTERVAL '30' MINUTES
     ) WITH (
     'connector' = 'kafka',
     'topic' = 'klnl_dkzhmx',
     'properties.bootstrap.servers' = '10.125.221.118:9092',
     'properties.group.id' = '20221019',
     'scan.startup.mode' = 'earliest-offset',
     'format' = 'canal-json'
     )

借还款余额表

CREATE TABLE mysqlTable (
     ACTUALDAY BIGINT,     -- 实际日期  20221021
     LENDINGVALUE Double, -- 放款值    Double
     LOANVALUE Double,    -- 贷款值    Double
     BALANCEVALUE Double, -- 余额值    Double
     PRIMARY KEY (ACTUALDAY) NOT ENFORCED
     ) WITH (
     'connector' = 'jdbc',
     'url' = 'jdbc:mysql://localhost:3306/mydatabase',
     'table-name' = 'dws_calendar_now_out'
     );

满足业务场景的实现路径

通常需要通过实时同步组件通过logminer方式同步Oracle业务数据到kafka组件中

通过flink 实时作业消费kafka数据，并根据借还款余额表作为维表关联方式，在余额基础上根据实时的借还款记录对余额进行增加和减少，并按照天统计当日的借还款

模拟实现代码demo

当前因为缺少业务库数据，同时为了方便构建作业模拟客户场景，通过自定义source，sink方式实现demo来实现实时大屏效果

public static void main(String[] args) {
        EnvironmentSettings settings = EnvironmentSettings.inStreamingMode();
        TableEnvironment tEnv = TableEnvironment.create(settings);
        tEnv.getConfig().addJobParameter("parallelism.default","1");

//        DataTypes.TIMESTAMP(3)
        tEnv.executeSql("CREATE TABLE source (\n" +
                " jiaoyije BIGINT,  \n" +
                " jiaoyils STRING,  \n" +
                " jiaoyima STRING,  \n" +
                " yeziduan STRING, \n" +
                " jiaoyirq STRING,  \n" +
                " SHIJCHUO TIMESTAMP(3)," +
                " procTime AS PROCTIME()," +
                " WATERMARK FOR SHIJCHUO AS SHIJCHUO - INTERVAL '0' MINUTES\n" +
                ") WITH (\n" +
                "    'connector' = 'bank_credit'" +
                ")");

        tEnv.executeSql("CREATE TABLE dim (\n" +
                "     ACTUALDAY BIGINT,    \n" +
                "     LENDINGVALUE DOUBLE,\n" +
                "     LOANVALUE DOUBLE,\n" +
                "     BALANCEVALUE DOUBLE\n" +
                ") WITH (\n" +
                "    'connector' = 'screen'" +
                ")");


        tEnv.executeSql("CREATE TABLE print (\n" +
                "    window_start  TIMESTAMP(3),\n" +
                "    window_end  TIMESTAMP(3),\n" +
                "     ACTUALDAY_print BIGINT,    \n" +
                "     LENDINGVALUE_print DOUBLE, \n" +
                "     LOANVALUE_print DOUBLE,   \n" +
                "     BALANCEVALUE_print DOUBLE \n" +
                ") WITH (\n" +
                "    'connector' = 'print'" +
                ")");


        tEnv.executeSql("" +
                "create view temp " +
                " as " +
                " select " +
                " jiaoyije,  \n" +
                " jiaoyils,  \n" +
                " jiaoyima,  \n" +
                " yeziduan, \n" +
                " jiaoyirq,  \n" +
                " SHIJCHUO,\n" +
                " BALANCEVALUE\n" +
                " from source left join dim FOR SYSTEM_TIME AS OF source.procTime" +
                " on  cast(DATE_FORMAT(TO_TIMESTAMP_LTZ((UNIX_TIMESTAMP(jiaoyirq,'yyyyMMdd') - 86400),0),'yyyyMMdd') as INT)=dim.ACTUALDAY");


        /**
         * UNIX_TIMESTAMP(jiaoyirq,'yyyyMMdd')  把指定格式的日期转成距离1970-1-1 00:00:00 的秒数
         * UNIX_TIMESTAMP(jiaoyirq,'yyyyMMdd') - 86400  获取前一天， 次类型是BIGINT
         *
         */

        tEnv.executeSql(
                "insert into print select \n" +
                        " window_start," +
                        " window_end," +
                        " cast(jiaoyirq as INT) as ACTUALDAY_print,\n" +
                        " sum(case when jiaoyima='3020'  then  jiaoyije else 0 end)  as LENDINGVALUE_print,\n" +
                        " sum(case when jiaoyima<>'3020'  then jiaoyije else 0 end) as LOANVALUE_print,\n" +
                        " (BALANCEVALUE  + sum(case when jiaoyima='3020'  then  jiaoyije else 0 end)" +
                        " - sum(case when jiaoyima<>'3020'  then jiaoyije else 0 end)) as BALANCEVALUE_print\n" +
                        " FROM TABLE(CUMULATE(" +
                        " TABLE temp,\n" +
                        " DESCRIPTOR(SHIJCHUO),\n" +
                        " INTERVAL '10' SECOND,\n" +
                        " INTERVAL '1' DAY\n" +
                        " )) " +
                        " where yeziduan='ZHCHBJIN' \n" +
                        " and jiaoyirq = DATE_FORMAT(CURRENT_TIMESTAMP,'yyyyMMdd') " +
                        " group by jiaoyirq,window_start,window_end,BALANCEVALUE "
        );

实现效果：

      模拟预置的昨日余额是10000元，今天实时借还款记录都是10元，设计还款多于借款

      window_start,window_end,当日日期，当日还款总额，当日借款总额，实时余额

实时余额 =  10000 + 当日还款总额 - 当日借款总额

关键技术点说明

1、要求按照天统计，按照一定频率更新结果

此需要使用累计窗口cumulate，可以定时输出结果，统计值在窗口时间内一直累加

2、需要在前一天的余额上通过借还款记录对实时余额进行计算

这个需要通过lookup join的方式获取到前一天的余额值，在此基础进行计算

上述view 表通过这个方式实现

3、sql中有case when判断借还款，有各种日期处理函数都是系统函数

在 Flink SQL 中，CUMULATE 窗口函数是一种特殊的窗口，它允许你计算从一个起始点到当前时间点的数据累计值。这种窗口对于需要计算实时累计指标（如累计 PV、UV）的场景非常有用。

CUMULATE 窗口的语法如下：

CUMULATE(TABLE table_name, DESCRIPTOR(time_column), INTERVAL 'window_size', INTERVAL 'slide_interval')

  • table_name 是你的输入表。
  • time_column 是你用来定义窗口的时间列。
  • INTERVAL 'window_size' 定义了窗口的大小。
  • INTERVAL 'slide_interval' 定义了窗口滑动的时间间隔。

例如，如果你想计算每天累计到当前分钟的 PV 和 UV，你可以这样使用 CUMULATE 窗口：

SELECT
    date_format(window_start, 'yyyy-MM-dd') cal_day,
    behavior,
    count(user_id) pv,
    count(distinct user_id) uv
FROM TABLE(
    CUMULATE(TABLE user_log, DESCRIPTOR(proc_time), INTERVAL '10' SECOND, INTERVAL '1' DAY)
) GROUP BY window_start, window_end, behavior

在这个例子中，CUMULATE 窗口会根据 proc_time 列来计算每10秒钟的累计 PV 和 UV，直到当天的结束。

CUMULATE 窗口的优点是它可以输出一个追加流（append stream），这意味着每个输出都是新增的累计结果，而不会像 RETRACT 流那样有数据的撤回。这使得它非常适合用于实时仪表板和监控系统，因为它们需要连续更新数据。

附录

source表

模拟实时的借还款记录

public class BankCreditDataGenFactory implements DynamicTableSourceFactory {
    @Override
    public DynamicTableSource createDynamicTableSource(DynamicTableFactory.Context context) {
        return new BankCreditDataTableSource();
    }

    @Override
    public String factoryIdentifier() {
        return "bank_credit";
    }

    @Override
    public Set<ConfigOption<?>> requiredOptions() {
        return new HashSet<>();
    }

    @Override
    public Set<ConfigOption<?>> optionalOptions() {
        return new HashSet<>();
    }
}

public class BankCreditDataTableSource implements ScanTableSource {

    @Override
    public ChangelogMode getChangelogMode() {
        return ChangelogMode.insertOnly();
    }

    @Override
    public ScanRuntimeProvider getScanRuntimeProvider(ScanContext runtimeProviderContext) {
        return SourceFunctionProvider.of(new BankCreditDataSourceFunction(),true);
    }

    @Override
    public DynamicTableSource copy() {
        return new BankCreditDataTableSource();
    }

    @Override
    public String asSummaryString() {
        return this.getClass().getSimpleName();
    }
}

public class BankCreditDataSourceFunction implements SourceFunction {

    private final Long[] jiaoyijine = new Long[]{
            10l,10l,10l,10l,10l,10l,10l,10l,10l,10l
    };

    //todo 考虑重复消费处理
    private final String[] jiaoyiliushui = new String[]{
            "PL19122100000718", "PL19122100000718", "PL19122100000718", "PL19122100000718", "PL19122100000718"
    };

    //3020 为放款 其他为收款
    private final String[] jiaoyima = new String[]{
            "ln05", "3020", "3020", "3020", "ln05"
    };

    //余额字段 ZHCHBJIN 为收款，放款，其它不是
    private final String[] yueziduan = new String[]{
            "ZHCHBJIN", "ZHCHBJIN", "ZHCHBJIN", "ZHCHBJIN", "AAAAAAAAA"
    };

    @Override
    public void run(SourceContext ctx) throws Exception {
        /**
         " `jiaoyije` BIGINT,  \n" +
         " `jiaoyils` STRING,  \n" +
         " `jiaoyima` STRING,  \n" +
         " `yeziduan` STRING, \n" +
         "  `jiaoyirq` STRING,  \n" +
         " `SHIJCHUO` STRING,  \n" +
          */
        GenericRowData row = null;
        Random random = new Random();
        long startTime = System.currentTimeMillis();
        while (true) {
            if((System.currentTimeMillis() - startTime) >  1000) {
                startTime = System.currentTimeMillis();
                row = new GenericRowData(6);
                row.setField(0, jiaoyijine[random.nextInt(jiaoyijine.length)]);
                row.setField(1, StringData.fromString(jiaoyiliushui[random.nextInt(jiaoyiliushui.length)]));
                row.setField(2, StringData.fromString(jiaoyima[random.nextInt(jiaoyima.length)]));
                row.setField(3, StringData.fromString(yueziduan[random.nextInt(yueziduan.length)]));
                row.setField(4, StringData.fromString(LocalDateTime.now().format(DateTimeFormatter.ofPattern("yyyyMMdd"))));
                row.setField(5, TimestampData.fromLocalDateTime(
                        LocalDateTime.now()));
                ctx.collect(row);
            }
        }
    }

    @Override
    public void cancel() {
    }
}

dim表

模拟产生借还款余额表数据

public class ScreenDataGenFactory implements DynamicTableSourceFactory {
    @Override
    public DynamicTableSource createDynamicTableSource(DynamicTableFactory.Context context) {
        return new ScreenDataTableSource();
    }

    @Override
    public String factoryIdentifier() {
        return "screen";
    }

    @Override
    public Set<ConfigOption<?>> requiredOptions() {
        return new HashSet<>();
    }

    @Override
    public Set<ConfigOption<?>> optionalOptions() {
        return new HashSet<>();
    }
}


public class ScreenDataTableSource implements LookupTableSource,ScanTableSource {

    @Override
    public DynamicTableSource copy() {
        return new ScreenDataTableSource();
    }

    @Override
    public String asSummaryString() {
        return this.getClass().getSimpleName();
    }

    @Override
    public LookupRuntimeProvider getLookupRuntimeProvider(LookupContext context) {
        return TableFunctionProvider.of(new ScreenDataSourceFunction());
    }

    @Override
    public ChangelogMode getChangelogMode() {
        return ChangelogMode.insertOnly();
    }

    @Override
    public ScanRuntimeProvider getScanRuntimeProvider(ScanContext runtimeProviderContext) {
        return null;
    }
}

public class ScreenDataSourceFunction extends TableFunction<RowData>  {

    private transient Map<Long,GenericRowData> cache;


    @Override
    public void open(FunctionContext context) throws Exception {
        super.open(context);
        /**
         *  ACTUALDAY BIGINT,     -- 实际日期
         *   LENDINGVALUE DECIMAL, -- 放款值
         *   LOANVALUE DECIMAL,    -- 贷款值
         *   BALANCEVALUE DECIMAL, -- 余额值
         */
        cache = new HashMap<>();
        Long yyyyMMddYesterday = Long.valueOf(LocalDateTime.now().minusDays(1l).format(DateTimeFormatter.ofPattern("yyyyMMdd")));
        Long yyyyMMddToday = Long.valueOf(LocalDateTime.now().format(DateTimeFormatter.ofPattern("yyyyMMdd")));

        GenericRowData yesterday = new GenericRowData(4);
        yesterday.setField(0, yyyyMMddYesterday);
        yesterday.setField(1, 0.0d);
        yesterday.setField(2, 0.0d);
        yesterday.setField(3, 10000.0d);
        GenericRowData today = new GenericRowData(4);
        today.setField(0, yyyyMMddToday);
        today.setField(1, 0.0d);
        today.setField(2, 0.0d);
        today.setField(3, 0.0d);
        cache.put(yyyyMMddYesterday,yesterday);
        cache.put(yyyyMMddToday,today);

    }

    /**
     * This is a lookup method which is called by Flink framework in runtime.
     *
     * @param keys lookup keys
     */
    public void eval(Object... keys) {
        for (Object key : keys) {
            if(null !=key){
                GenericRowData row = cache.get(Long.valueOf(String.valueOf(key)));
                collect(row);
            }
        }
    }

}

print表

此为flink提供的DataGen 就不介绍了

maven依赖

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <parent>
        <artifactId>FlinkTableApiTest</artifactId>
        <groupId>org.example</groupId>
        <version>1.0-SNAPSHOT</version>
    </parent>
    <modelVersion>4.0.0</modelVersion>

    <artifactId>cumulate</artifactId>

    <properties>
        <maven.compiler.source>8</maven.compiler.source>
        <maven.compiler.target>8</maven.compiler.target>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>

    <dependencies>
                <dependency>
                    <groupId>org.slf4j</groupId>
                    <artifactId>slf4j-simple</artifactId>
                </dependency>
        <dependency>
            <groupId>org.junit.jupiter</groupId>
            <artifactId>junit-jupiter-api</artifactId>
            <scope>test</scope>
        </dependency>
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-statebackend-rocksdb</artifactId>
        </dependency>
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-java</artifactId>
        </dependency>
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-runtime</artifactId>
        </dependency>
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-streaming-java</artifactId>
        </dependency>
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-clients</artifactId>
        </dependency>

        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-runtime-web</artifactId>
        </dependency>

        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-connector-kafka</artifactId>
        </dependency>
        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-table-api-java</artifactId>
        </dependency>

        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-connector-base</artifactId>
        </dependency>

        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-table-planner_2.12</artifactId>
        </dependency>

        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-state-processor-api</artifactId>
        </dependency>

        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <scope>test</scope>
        </dependency>

        <dependency>
            <groupId>org.apache.flink</groupId>
            <artifactId>flink-core</artifactId>
        </dependency>

    </dependencies>
</project>

SPI

似水_逆行
关注
专栏目录
flink cumulate window 累计窗口对迟到数据的处理
yy的博客
07-10 1874
例如 window 1 2 3是个累计窗口的同一个大窗口内部的多次累计. 比如一个数据相对于window1来说是迟到数据,自然不会计算到window1统计结果,但是当触发window2的时候,就会把window1之前迟到的统计进去. 你会问这不是废话么. 核心是window2会复用window1的统计结果,即window2并不是把他内部都计算一遍,而是在window1统计结果上累加后续数据(window1和2之间的数据). 所以window1的迟到数据这时候时间段不属于1到2之间,但是依然需...
flink sql 知其所以然（十）：大家都用 cumulate window 计算累计指标啦
qq_34608620的博客
11-21 3856
想啥呢，小宝贝，还不三连？？？（关注  +  点赞 + 再看），对博主的肯定，会督促博主持续的输出更多的优质实战内容！！！1.序篇源码公众号后台回复1.13.2 cumulate window 的奇妙解析之路获取。此节就是窗口聚合章节的第三篇，上节介绍了 1.13 window tvf tumble window 实现，本节主要介绍 1.13. window tvf 的一个重磅更新，即 cumulate window。本节从以下几个章节给大家详细介绍 cumulate window 的能
大数据Flink（一百一十七）：Flink SQL的窗口操作
最新发布
Lansonli（蓝深李）的博客
09-12 1325
在流处理应用中，数据是连续不断的，因此我们不可能等到所有数据都到了才开始处理。当然我们可以每来一个消息就处理一次，但是有时我们需要做一些聚合类的处理，例如：在过去的1分钟内有多少用户点击了我们的网页。在这种情况下，我们必须定义一个窗口，用来收集最近一分钟内的数据，并对这个窗口内的数据进行计算。Flink 认为 Batch 是 Streaming 的一个特例，所以 Flink 底层引擎是一个流式引擎，在上面实现了流处理和批处理。而窗口（window）就是从 Streaming 到 Batch 的一个桥梁。
iceberg-flink 八：累积窗口使用。（CUMULATE）
weixin_43446246的博客
11-23 2440
CUMULATE flink iceberg
Flink系列--cumulate累计窗口的使用
似水_逆行的博客
08-23 460
Flink系列--cumulate累计窗口的使用
Flink1.13 cumulate window 累加窗口的使用
留歌__36的博客
04-02 7263
import org.apache.flink.api.common.eventtime.SerializableTimestampAssigner; import org.apache.flink.api.common.eventtime.WatermarkStrategy; import org.apache.flink.api.common.functions.MapFunction; import org.apache.flink.streaming.api.datastream.SingleOu.
flink1.14.1 中CUMULATE 窗口的案例
liumingning的专栏
03-02 595
适用于按天统计的情况。CUMULATE 窗口是指累计窗口。
flink-1.16.2下载安装包，flink-1.16.2-bin-scala-2.12.zip
02-29
Apache Flink是一个流行的开源流处理和批处理框架，它提供了高度容错的数据处理能力，能够实时处理大规模数据流。Flink 1.16.2是该软件的一个稳定版本，针对Scala 2.12构建，这意味着它可以充分利用Scala语言的强大...
flink-1.14.0-bin-scala_2.11.tgz
07-18
标签“flink-1.14.0-bin”则强调了这是 Flink 的二进制发行版，不涉及源代码，适用于那些希望快速启动和运行 Flink 而不关心底层实现的用户。 压缩包内的“flink-1.14.0”目录，是 Flink 安装的核心部分，其中包含...
flink系列-使用/教程/实例/配置/文档/代码.zip
08-08
Flink是Apache软件基金会开发的一个开源流处理框架，它提供了数据流处理的高效、低延迟...通过系统学习和实践，你不仅可以掌握Flink的基本操作，还能深入理解其内在机制，为你的数据分析和实时处理项目提供强大支持。
flink-1.13.6_cdc
07-07
标题中的"flink-1.13.6_cdc"指的是Apache Flink的1.13.6版本，专门用于Change Data Capture (CDC)的实现。Flink是流行的开源流处理框架，它允许实时处理数据流，而CDC则是一种技术，用于捕获数据库中的更改事件并将...
flink 安装包 1.15.2(flink-1.15.2-bin-scala_2.12 .tgz)
10-08
总之，Flink 1.15.2 是一个强大的流处理框架，提供了一系列高级特性，包括高效的状态管理、灵活的窗口操作、丰富的数据源和接收器，以及易用的 SQL 支持。通过深入理解这些概念和操作，开发者能够充分利用 Flink ...
万字详述 Flink SQL 4 种时间窗口语义！（收藏）
数据一哥，公众号：数据社
06-01 9386
DML：窗口聚合大家好我是老羊，由于窗口涉及到的知识内容比较多，所以博主先为大家说明介绍下面内容时的思路，大家跟着思路走。思路如下：⭐ 先介绍 Flink SQL 支持的 4 种时间窗口⭐ 分别详细介绍上述的 4 种时间窗口的功能及 SQL 语法⭐ 结合实际案例介绍 4 种时间窗口首先来看看 Flink SQL 中支持的 4 种窗口的运算。⭐ 滚动窗口（TUMBLE）⭐ ...
Flink实战 - 周窗口-week window实现
m0_49826240的博客
05-27 946
遇到的问题：
Flink的窗口机制
sijiwang95的博客
04-11 1980
tumble（滚动窗口）hop（滑动窗口）session（会话窗口）cumulate（渐进式窗口）Over（聚合窗口）
使用flink CUMULATE 累积函数遇到锁表的问题
qq_31528769的博客
06-14 220
图中是我统计每天的数据量，并做每10秒钟的输出，使用了CUMULATE函数后，不会内存溢出了，出现了锁mysql 表的情况，离线修复不了，不知道大家有没有遇到这种情况？
Flink（十四）【Flink SQL（中）查询】
功不唐捐，玉汝于成
01-21 1451
Flink SQL 查询
Flink TableAPI和SQL（十）窗口（Window）
weixin_45417821的博客
05-07 765
文章目录窗口表值函数（Windowing TVFs，新版本）滚动窗口（TUMBLE）滑动窗口（HOP）累积窗口（CUMULATE） 有了时间属性，接下来就可以定义窗口进行计算了。我们知道，窗口可以将无界流切割成大小有限的“桶”（bucket）来做计算，通过截取有限数据集来处理无限的流数据。在 DataStream API 中提供了对不同类型的窗口进行定义和处理的接口，而在 Table API 和 SQL 中，类似的功能也都可以实现。 窗口表值函数（Windowing TVFs，新版本） 从 1.13 版本开
"深入理解大数据之flink教程-TableAPI和SQL学习指南
The document "大数据之flink教程-TableAPI和SQL.docx" provides a comprehensive overview of Table API and Flink SQL, which are high-level processing APIs for batch and stream unified processing in Apache...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值