Flink 使用 Scala 编程中注意的隐式转换

写代码过程中，IDE 的代码提示功能是程序员的最爱，但是在用 Scala 写 Flink 代码的过程中，经常会有不提示的情况。

蛋疼。。。

这个就是 Scala 的引入包的问题，常用的用下面这几个，mark 下，

import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api._
import org.apache.flink.table.api.bridge.scala._

注意后面的下划线，就是整包导入的意思，类似Java里面的星号 * 。

这样处理后，在我们用点提示的时候，对应的api方法就会出来了，可以选择自己需要的实现方法。

附加，使用 flink sql 版本的 wordcount（写wordcount还是api好用，用sql麻烦。。）

import org.apache.flink.streaming.api.TimeCharacteristic
import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api._
import org.apache.flink.table.api.bridge.scala._

/**
 * @Author: shipfei
 * @Date: 2021/3/4 13:26
 * motto: Saying and doing are two different things.
 */
object WcBySql {

  val filePath = "D:\\dev\\workspace\\eclipse-workspace\\bigdata-realtime\\my-demo\\input\\wc.txt"

  def main(args: Array[String]): Unit = {
    // 1. create table env （创建表执行环境）
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    env.setParallelism(1)
    env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
    val settings = EnvironmentSettings.newInstance().useOldPlanner().inStreamingMode().build()
    val tableEnv = StreamTableEnvironment.create(env, settings)

    // 2. inputStream => dataStream（流转化，输入流 map 转化成需要的实体类）
    val inputStream: DataStream[String] = env.readTextFile(filePath)
    val dataStream: DataStream[(String, Int)] = inputStream.flatMap(_.split(" ")).map((_, 1))

    // 3. dataStream => inputTable（数据流转化成inputTable表）
    val inputTable = tableEnv.fromDataStream[(String, Int)](dataStream, $"word", $"count")
    val resultTable = inputTable.groupBy($"word").select($"word", $"count".sum)

    // 4. sink print
    resultTable.toRetractStream[(String, Int)].print("result")

    // 5. 任务执行
    env.execute("WcBySql Job")
  }

}