10 Flink Table API 和 SQL
Table API 是流处理和批处理通用的关系型 API，Table API 可以基于流输入或者批输入来运行而不需要进行任何修改。Table API 是 SQL 语言的超集并专门为 Apache Flink 设计的，Table API 是 Scala 和 Java 语言集成式的 API。与常规 SQL 语言中将查询指定为字符串不同，Table API 查询是以 Java 或 Scala 中的语言嵌入样式来定义的，具有 IDE 支持如:自动完成和语法检测。
package table;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.Table;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
import org.apache.flink.types.Row;
import pojo.SensorReading;
/**
* @author wangkai
*
*/
public class Example1 {
public static void main(String[] args) throws Exception{
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
/**
*
* 1 读取数据
* */
DataStreamSource<String> source = env.readTextFile("file path");
/**
* 2 转换成pojo
* */
DataStream<SensorReading> dataStream = source.map(line -> {
String[] fields = line.split(",");
return new SensorReading(fields[0], new Long(fields[1]), new Double(fields[2]));
});
/**
* 3 创建表环境
* */
StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env);
/**
* 4 基于流创建一张表
* */
Table dataTable = tableEnv.fromDataStream(dataStream);
/**
* 5 调用table api进行转换操作
*
* */
Table resultTable = dataTable.select("id,temperature").where("id = 'sensor_1'");
/**
* 6 执行sql
* */
tableEnv.createTemporaryView("sensor",dataStream);
String sql = "select id,temperature from sensor where id='sensor_1'";
Table sqlResult = tableEnv.sqlQuery(sql);
tableEnv.toAppendStream(resultTable, Row.class).print("table result");
tableEnv.toAppendStream(sqlResult,Row.class).print("sql result");
env.execute("table");
}
}
由上述程序可知，创建一个完整的Table api程序流程如下：
-
创建tableEnviroment
-
创建表的执行环境，需要将 flink 流处理的执行环境传入
StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env); -
TableEnvironment 是 flink 中集成 Table API 和 SQL 的核心概念，所有对表的操作都基于 TableEnvironment
- 注册 Catalog
- 在 Catalog 中注册表
- 执行 SQL 查询
- 注册用户自定义函数（UDF）
-
-
配置 TableEnvironment
package table; import org.apache.flink.api.java.ExecutionEnvironment; import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment; import org.apache.flink.table.api.EnvironmentSettings; import org.apache.flink.table.api.TableEnvironment; import org.apache.flink.table.api.bridge.java.BatchTableEnvironment; import org.apache.flink.table.api.bridge.java.StreamTableEnvironment; /** * @author wangkai * */ public class Example2 { public static void main(String[] args) { StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); /** *配置老版本 planner 的流式查询 * */ EnvironmentSettings oldSettings = EnvironmentSettings.newInstance() .useOldPlanner() .inStreamingMode() .build(); StreamTableEnvironment oldTableEnviroment = StreamTableEnvironment.create(env, oldSettings); /** * 配置老版本批处理模式 * */ ExecutionEnvironment bathEnv = ExecutionEnvironment.getExecutionEnvironment(); BatchTableEnvironment batchTableEnvironment = BatchTableEnvironment.create(bathEnv); /** * 配置新版本planner的流式查询 * */ EnvironmentSettings newSettings = EnvironmentSettings .newInstance() .useBlinkPlanner() .inStreamingMode() .build(); StreamTableEnvironment newTableEnv = StreamTableEnvironment.create(env, newSettings); /** * 配置新版本的批查询 * */ EnvironmentSettings batchSettings = EnvironmentSettings .newInstance() .inBatchMode() .inBatchMode() .build(); TableEnvironment batchEnv = TableEnvironment.create(batchSettings); } }TableEnvironment 可以注册目录 Catalog，并可以基于 Catalog 注册表，表（Table）是由一个“标识符”（identifier）来指定的，由3部分组成：
Catalog名、数据库（database）名和对象名 ，表可以是常规的，也可以是虚拟的（视图，View） 。常规表（Table）一般可以用来描述外部数据，比如文件、数据库表或消息队列的数据，也可以直接从 DataStream转换而来，视图（View）可以从现有的表中创建，通常是 table API 或者 SQL 查询的一个结果集。TableEnvironment 可以调用 .connect() 方法，连接外部系统，并调用 .createTemporaryTable() 方法，在 Catalog 中注册表
tableEnv
.connect(...) // 定义表的数据来源，和外部系统建立连接
.withFormat(...) // 定义数据格式化方法
.withSchema(...) // 定义表结构
.createTemporaryTable("MyTable"); // 创建临时表
package table;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.DataTypes;
import org.apache.flink.table.api.EnvironmentSettings;
import org.apache.flink.table.api.Table;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
import org.apache.flink.table.descriptors.Csv;
import org.apache.flink.table.descriptors.FileSystem;
import org.apache.flink.table.descriptors.Schema;
import org.apache.flink.types.Row;
/**
* @author wangkai
*
*/
public class Example3 {
public static void main(String[] args) throws Exception{
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
EnvironmentSettings newSettings = EnvironmentSettings
.newInstance()
.useBlinkPlanner()
.inStreamingMode()
.build();
StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env, newSettings);
/**
* 创建表，连接外部系统，读取表
* */
String path = "XXX";
tableEnv
.connect(new FileSystem().path(path))
.withFormat(new Csv())
.withSchema(new Schema()
.field("id", DataTypes.STRING())
.field("timestamp",DataTypes.BIGINT())
.field("temperature",DataTypes.DOUBLE())
).createTemporaryTable("inputTable");
Table inputTable = tableEnv.from("inputTable");
Table resultTable = inputTable.select("id,temperature").filter("id === 'sensor_6'");
// 聚合统计
Table aggTable = inputTable.groupBy("id")
.select("id, id.count as count, temperature.avg as avgtemperature");
// 3.2 SQL
tableEnv.sqlQuery("select id, temperature from inputTable where id = 'senosr_6'");
Table sqlAggTable = tableEnv.sqlQuery("select id, count(id) as cnt, avg(temperature) as avgtemperature from inputTable group by id");
// 打印输出
tableEnv.toAppendStream(resultTable, Row.class).print("result");
tableEnv.toRetractStream(aggTable, Row.class).print("agg");
tableEnv.toRetractStream(sqlAggTable, Row.class).print("sqlagg");
env.execute();
}
}
从上述程序可以看出,Table api的建表和查询流程如下：
-
创建表
EnvironmentSettings settings = EnvironmentSettings .newInstance() .useBlinkPlanner() .inStreamingMode() .build(); StreamTableEnvironment streamTableEnvironment = StreamTableEnvironment.create(env, settings); streamTableEnvironment.connect(new FileSystem().path(path)) .withFormat(new Csv()) .withSchema(new Schema() .field("id", DataTypes.STRING()) .field("time",DataTypes.BIGINT()) .field("temp",DataTypes.DOUBLE()) ).createTemporaryTable("sensor"); Table sensor = streamTableEnvironment.from("sensor"); /** result： root |-- id: STRING |-- time: BIGINT |-- temp: DOUBLE */ -
查询表
-
Table API
Table API 是集成在 Scala 和 Java 语言内的查询 API，Table API 基于代表“表”的 Table 类，并提供一整套操作处理的方法 API；这些方法会返回一个新的 Table 对象，表示对输入表应用转换操作的结果。有些关系型转换操作，可以由多个方法调用组成，构成链式调用结构。
Table sensorTable = streamTableEnvironment.from("sensor"); Table filterTable = sensorTable.select("id,temp").filter("id === 6"); -
SQL
Flink 的 SQL 集成，基于实现 了SQL 标准的 Apache Calcite,在 Flink 中，用常规字符串来定义 SQL 查询语句。SQL 查询的结果，也是一个新的 Table
-
Table sqlQueryTable = streamTableEnvironment.sqlQuery("select id,temp from sensor where id = 'sensor_1'");
-
输出表
表的输出，是通过将数据写入 TableSink 来实现的，TableSink 是一个通用接口，可以支持不同的文件格式、存储数据库和消息队列，输出表最直接的方法，就是通过 Table.insertInto() 方法将一个 Table 写入注册
tableEnv.connect(...)
.createTemporaryTable("outputTable");
Table resultSqlTable = ...
resultTable.insertInto("outputTable");
-
更新模式
对于流式查询，需要声明如何在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
-
追加（Append）模式
表只做插入操作，和外部连接器只交换插入（Insert）消息
-
撤回（Retract）模式
表和外部连接器交换添加（Add）和撤回（Retract）消息，插入操作（Insert）编码为 Add 消息；删除（Delete）编码为 Retract 消息；更新（Update）编码为上一条的 Retract 和下一条的 Add 消息
-
更新插入（Upsert）模式
更新和插入都被编码为 Upsert 消息；删除编码为 Delete 消息
-
/**输出到kafka*/
tableEnv.connect(
new Kafka()
.version("0.11")
.topic("sinkTest")
.property("zookeeper.connect", "localhost:2181")
.property("bootstrap.servers", "localhost:9092") )
.withFormat( new Csv() )
.withSchema( new Schema()
.field("id", DataTypes.STRING())
.field("temp", DataTypes.DOUBLE())
)
.createTemporaryTable("kafkaOutputTable");
resultTable.insertInto("kafkaOutputTable");
/**可以创建 Table 来描述 ES 中的数据，作为输出的 TableSink*/
tableEnv.connect(
new Elasticsearch()
.version("6")
.host("localhost", 9200, "http")
.index("sensor")
.documentType("temp") )
.inUpsertMode()
.withFormat(new Json())
.withSchema( new Schema()
.field("id", DataTypes.STRING())
.field("count", DataTypes.BIGINT())
)
.createTemporaryTable("esOutputTable");
aggResultTable.insertInto("esOutputTable");
可以创建 Table 来描述 MySql 中的数据，作为输入和输出
String sinkDDL=
"create table jdbcOutputTable (" +
" id varchar(20) not null, " + " cnt bigint not null " + ") with (" + " 'connector.type' = 'jdbc', " + " 'connector.url' = 'jdbc:mysql://localhost:3306/test', " + " 'connector.table' = 'sensor_count', " + " 'connector.driver' = 'com.mysql.jdbc.Driver', " + " 'connector.username' = 'root', " + " 'connector.password' = '123456' )";
tableEnv.sqlUpdate(sinkDDL) // 执行 DDL创建表
aggResultSqlTable.insertInto("jdbcOutputTable");
-
将 Table 转换成 DataStream
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。表作为流式查询的结果，是动态更新的 ，转换有两种转换模式：追加（Append）模式和撤回（Retract）模式：
-
追加模式（Append Mode）
用于表只会被插入（Insert）操作更改的场景
DataStream<Row> resultStream = tableEnv.toAppendStream(resultTable, Row.class); -
撤回模式（Retract Mode）
- 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
- 得到的数据会增加一个 Boolean 类型的标识位（返回的第一个字段），用它来表示到底是新增的数据（Insert），还是被删除的数据（Delete）
-
DataStream<Tuple2<Boolean, Row>> aggResultStream = tableEnv
.toRetractStream(aggResultTable , Row.class);
-
将 DataStream 转换成表
-
对于一个 DataStream，可以直接转换成 Table，进而方便地调用 Table API 做转换操作
DataStream<SensorReading> dataStream = ... Table sensorTable = tableEnv.fromDataStream(dataStream);
默认转换后的 Table schema 和 DataStream 中的字段定义一一对应，也可以单独指定出来
DataStream<SensorReading> dataStream = ... Table sensorTable = tableEnv.fromDataStream(dataStream, "id, timestamp as ts, temperature"); -
-
创建临时视图（Temporary View）
-
基于 DataStream 创建临时视图
tableEnv.createTemporaryView("sensorView", dataStream); tableEnv.createTemporaryView("sensorView", dataStream, "id, temperature, timestamp as ts"); -
基于 Table 创建临时视图
tableEnv.createTemporaryView("sensorView", sensorTable);
-
-
查看执行计划
Table API 提供了一种机制来解释计算表的逻辑和优化查询计划，查看执行计划，可以通过 TableEnvironment.explain(table) 方法或
TableEnvironment.explain() 方法完成，返回一个字符串，描述三个计划：
-
优化的逻辑查询计划
-
优化后的逻辑查询计划
-
实际执行计划。
String explaination = tableEnv.explain(resultTable); System.out.println(explaination);== Abstract Syntax Tree == LogicalFilter(condition=[=($0, _UTF-16LE'sensor_6')]) +- LogicalProject(id=[$0], temperature=[$2]) +- LogicalTableScan(table=[[default_catalog, default_database, inputTable, source: [CsvTableSource(read fields: id, timestamp, temperature)]]]) == Optimized Logical Plan == Calc(select=[CAST(_UTF-16LE'sensor_6':VARCHAR(2147483647) CHARACTER SET "UTF-16LE") AS id, temperature], where=[=(id, _UTF-16LE'sensor_6')]) +- LegacyTableSourceScan(table=[[default_catalog, default_database, inputTable, source: [CsvTableSource(read fields: id, temperature)]]], fields=[id, temperature]) == Physical Execution Plan == Stage 1 : Data Source content : Source: Custom File source Stage 2 : Operator content : CsvTableSource(read fields: id, temperature) ship_strategy : FORWARD Stage 3 : Operator content : SourceConversion(table=[default_catalog.default_database.inputTable, source: [CsvTableSource(read fields: id, temperature)]], fields=[id, temperature]) ship_strategy : FORWARD Stage 4 : Operator content : Calc(select=[CAST(_UTF-16LE'sensor_6':VARCHAR(2147483647) CHARACTER SET "UTF-16LE") AS id, temperature], where=[(id = _UTF-16LE'sensor_6')]) ship_strategy : FORWARD
-
-
流处理和关系代数的区别
-
动态表（Dynamic Tables）
动态表是 Flink 对流数据的 Table API 和 SQL 支持的核心概念
- 与表示批处理数据的静态表不同，动态表是随时间变化的
- 持续查询（Continuous Query）
- 动态表可以像静态的批处理表一样进行查询，查询一个动态表会产生持续查询（Continuous Query）
- 连续查询永远不会终止，并会生成另一个动态表
- 查询会不断更新其动态结果表，以反映其动态输入表上的更改
-
动态表和持续查询
流式表查询的处理过程：
-
流被转换为动态表
-
为了处理带有关系查询的流，必须先将其转换为表
-
从概念上讲，流的每个数据记录，都被解释为对结果表的插入（Insert）修改操作
-
-
对动态表计算连续查询，生成新的动态表
持续查询会在动态表上做计算处理，并作为结果生成新的动态表
-
生成的动态表被转换回流
与常规的数据库表一样，动态表可以通过插入（Insert）、更新（Update）和删除（Delete）更改，进行持续的修改
-
仅追加（Append-only）流
仅通过插入（Insert）更改来修改的动态表，可以直接转换为仅追加流
-
撤回（Retract）流
撤回流是包含两类消息的流：添加（Add）消息和撤回（Retract）消息
-
Upsert（更新插入）流
Upsert 流也包含两种类型的消息：Upsert 消息和删除（Delete）消息
-
-
-
时间特性（Time Attributes）
基于时间的操作（比如Table API 和SQL 中窗口操作），需要定义相关的时间语义和时间数据来源的信息，Table 可以提供一个逻辑上的时间字段，用于在表处理程序中，指示时间和访问相应的时间戳；时间属性，可以是每个表schema的一部分。一旦定义了时间属性，它就可以作为一个字段引用，并且可以在基于时间的操作中使用，时间属性的行为类似于常规时间戳，可以访问，并且进行计算
-
处理时间
-
处理时间语义下，允许表处理程序根据机器的本地时间生成结果。它是时间的最简单概念。它既不需要提取时间戳，也不需要生成watermark
-
由DataStream 转换成表时指定
-
在定义Schema期间，可以使用.proctime，指定字段名定义处理时间字段
-
这个proctime属性只能通过附加逻辑字段，来扩展物理schema。因此，只能在schema定义的末尾定义它
/**由datastream转换成表时指定*/ Table sensorTable = tableEnv.fromDataStream(dataStream, "id, temperature, timestamp, pt.proctime");/**定义 Table Schema 时指定*/ .withSchema(new Schema() .field("id", DataTypes.STRING()) .field("timestamp", DataTypes.BIGINT()) .field("temperature", DataTypes.DOUBLE()) .field("pt", DataTypes.TIMESTAMP(3)) .proctime() )/**在创建表的 DDL 中定义*/ String sinkDDL = "create table dataTable (" + " id varchar(20) not null, " + " ts bigint, " + " temperature double, " + " pt AS PROCTIME() " + ") with (" + " 'connector.type' = 'filesystem', " + " 'connector.path' = '/sensor.txt', " + " 'format.type' = 'csv')"; tableEnv.sqlUpdate(sinkDDL);
-
-
事件时间
事件时间语义，允许表处理程序根据每个记录中包含的时间生成结果。这样即使在有乱序事件或者延迟事件时，也可以获得正确的结果。为了处理无序事件，并区分流中的准时和迟到事件；Flink 需要从事件数据中，提取时间戳，并用来推进事件时间的进展 。定义事件时间，同样有三种方法：
-
由 DataStream 转换成表时指定
在 DataStream 转换成 Table，使用 .rowtime 可以定义事件时间属性
// 将 DataStream转换为 Table，并指定时间字段 Table sensorTable = tableEnv.fromDataStream(dataStream, "id, timestamp.rowtime, temperature"); // 或者，直接追加时间字段 Table sensorTable = tableEnv.fromDataStream(dataStream, " id, temperature, timestamp, rt.rowtime"); -
定义 Table Schema 时指定
.withSchema(new Schema() .field("id", DataTypes.STRING()) .field("timestamp", DataTypes.BIGINT()) .rowtime( new Rowtime() .timestampsFromField("timestamp") // 从字段中提取时间戳 .watermarksPeriodicBounded(1000) // watermark延迟1秒 ) .field("temperature", DataTypes.DOUBLE()) ) -
在创建表的 DDL 中定义
-
-
在创建表的 DDL 中定义
String sinkDDL=
"create table dataTable (" + " id varchar(20) not null, " + " ts bigint, " + " temperature double, " + " rt AS TO_TIMESTAMP( FROM_UNIXTIME(ts) ), " + " watermark for rt as rt - interval '1' second" + ") with (" + " 'connector.type' = 'filesystem', " + " 'connector.path' = '/sensor.txt', " + " 'format.type' = 'csv')";
tableEnv.sqlUpdate(sinkDDL);
-
窗口
时间语义，要配合窗口操作才能发挥作用，在 Table API 和 SQL 中，主要有两种窗口：
-
Group Windows（分组窗口）
根据时间或行计数间隔，将行聚合到有限的组（Group）中，并对每个组的数据执行一次聚合函数。Group Windows 是使用window（w:GroupWindow）子句定义的，并且必须由as子句指定一个别名。为了按窗口对表进行分组，窗口的别名必须在 group by 子句中，像常规的
分组字段一样引用
Table table = input .window([w: GroupWindow] as "w") // 定义窗口，别名为 w .groupBy("w, a") // 按照字段 a和窗口 w分组 .select("a, b.sum"); // 聚合Table API 提供了一组具有特定语义的预定义 Window 类，这些类会被转换为底层 DataStream 或 DataSet 的窗口操作
-
滚动窗口（Tumbling windows）：滚动窗口要用 Tumble 类来定义
// Tumbling Event-time Window .window(Tumble.over("10.minutes").on("rowtime").as("w")) // Tumbling Processing-time Window .window(Tumble.over("10.minutes").on("proctime").as("w")) // Tumbling Row-count Window .window(Tumble.over("10.rows").on("proctime").as("w")) -
滑动窗口（Sliding windows）：滑动窗口要用 Slide 类来定义
// Sliding Event-time Window .window(Slide.over("10.minutes").every("5.minutes").on("rowtime").as("w")) // Sliding Processing-time window .window(Slide.over("10.minutes").every("5.minutes").on("proctime").as("w")) // Sliding Row-count window .window(Slide.over("10.rows").every("5.rows").on("proctime").as("w")) -
会话窗口（Session windows）：会话窗口要用 Session 类来定义
// Session Event-time Window .window(Session.withGap("10.minutes").on("rowtime").as("w")) // Session Processing-time Window .window(Session.withGap("10.minutes").on(“proctime").as("w"))
-
-
SQL 中的 Group Windows：Group Windows 定义在 SQL 查询的 Group By 子句中
-
TUMBLE(time_attr, interval)
定义一个滚动窗口，第一个参数是时间字段，第二个参数是窗口长度
-
HOP(time_attr, interval, interval)
定义一个滑动窗口，第一个参数是时间字段，第二个参数是窗口滑动步长，第三个是窗口长度
-
SESSION(time_attr, interval)
定义一个会话窗口，第一个参数是时间字段，第二个参数是窗口间隔
-
-
Over Windows
针对每个输入行，计算相邻行范围内的聚合。Over window 聚合是标准 SQL 中已有的（over 子句），可以在查询的
SELECT 子句中定义。Over window 聚合，会针对每个输入行，计算相邻行范围内的聚合，Over windows 使用 window（w:overwindows*）子句定义，并在 select（）方法中通过别名来引用
Table table = input .window([w: OverWindow] as "w") .select("a, b.sum over w, c.min over w");Table API 提供了 Over 类，来配置 Over 窗口的属性
-
无界 Over Windows
可以在事件时间或处理时间，以及指定为时间间隔、或行计数的范围内，定义 Over windows；无界的 over window 是使用常量指定的
// 无界的事件时间 over window .window(Over.partitionBy("a").orderBy("rowtime").preceding(UNBOUNDED_RANGE).as("w")) //无界的处理时间 over window .window(Over.partitionBy("a").orderBy("proctime").preceding(UNBOUNDED_RANGE).as("w")) // 无界的事件时间 Row-count over window .window(Over.partitionBy("a").orderBy("rowtime").preceding(UNBOUNDED_ROW).as("w")) //无界的处理时间 Row-count over window .window(Over.partitionBy("a").orderBy("proctime").preceding(UNBOUNDED_ROW).as("w")) -
有界 Over Windows：有界的 over window 是用间隔的大小指定的
// 有界的事件时间 over window .window(Over.partitionBy("a").orderBy("rowtime").preceding("1.minutes").as("w")) // 有界的处理时间 over window .window(Over.partitionBy("a").orderBy("proctime").preceding("1.minutes").as("w")) // 有界的事件时间 Row-count over window .window(Over.partitionBy("a").orderBy("rowtime").preceding("10.rows").as("w")) // 有界的处理时间 Row-count over window .window(Over.partitionBy("a").orderBy("procime").preceding("10.rows").as("w"))
-
-
SQL 中的 Over Windows
- 用 Over 做窗口聚合时，所有聚合必须在同一窗口上定义，也就是说必须是相同的分区、排序和范围
- 目前仅支持在当前行范围之前的窗口
- ORDER BY 必须在单一的时间属性上指定
-
SELECT COUNT(amount) OVER (
PARTITION BY user
ORDER BY proctime
ROWS BETWEEN 2 PRECEDING AND CURRENT ROW)
FROM Orders
-
函数（Functions）
-
系统实现
SQL 中支持的很多函数，Table API 和 SQL 都已经做了实现
-
用户自定义
用户定义函数（User-defined Functions，UDF）是一个重要的特性，它们显著地扩展了查询的表达能力。在大多数情况下，用户定义的函数必须先注册，然后才能在查询中使用。函数通过调用 registerFunction（）方法在 TableEnvironment 中注册。当用户定义的函数被注册时，它被插入到 TableEnvironment 的函数目录中，这样Table API 或 SQL 解析器就可以识别并正确地解释它
-
标量函数（Scalar Functions）
用户定义的标量函数，可以将0、1或多个标量值，映射到新的标量值 ；为了定义标量函数，必须在 org.apache.flink.table.functions 中扩展基类
Scalar Function，并实现（一个或多个）求值（eval）方法；标量函数的行为由求值方法决定，求值方法必须公开声明并命名为 eval
public static class HashCode extends ScalarFunction { private int factor = 13; public HashCode(int factor) { this.factor = factor; } public int eval(String s) { return s.hashCode() * factor; } } -
表函数（Table Functions）
用户定义的表函数，也可以将0、1或多个标量值作为输入参数；与标量函数不同的是，它可以返回任意数量的行作为输出，而不是单个值；为了定义一个表函数，必须扩展 org.apache.flink.table.functions 中的基类TableFunction 并实现（一个或多个）求值方法；表函数的行为由其求值方法决定，求值方法必须是 public 的，并命名为 eval
public static class Split extends TableFunction<Tuple2<String, Integer>> { private String separator = ","; public Split(String separator) { this.separator = separator; } public void eval(String str) { for (String s : str.split(separator)) { collect(new Tuple2<String, Integer>(s, s.length())); } } } -
聚合函数（Aggregate Functions）
用户自定义聚合函数（User-Defined Aggregate Functions，UDAGGs）可以把一个表中的数据，聚合成一个标量值 ；用户定义的聚合函数，是通过继承 AggregateFunction 抽象类实现的
-
-
AggregationFunction要求必须实现的方法：
- createAccumulator()
- accumulate()
- getValue()
AggregateFunction 的工作原理如下：
- 首先，它需要一个累加器（Accumulator），用来保存聚合中间结果的数据结构；可以通过调用 createAccumulator() 方法创建空累加器
- 随后，对每个输入行调用函数的 accumulate() 方法来更新累加器
- 处理完所有行后，将调用函数的 getValue() 方法来计算并返回最终结果
扫一扫
666
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
