在大数据领域,流处理以其低延迟的特性,一直受到实时处理项目的关注。而Flink横空出世之后,更是以其低延迟、高吞吐、良好的容错性保证和强大的对乱序数据的处理功能,受到了越来越多项目的青睐,已经成为了当前大数据实时项目的首选。
![c551413913076ccde296e898ce9c3bf3.png](https://img-blog.csdnimg.cn/img_convert/c551413913076ccde296e898ce9c3bf3.png)
Flink作为真正的流处理框架,流式的API调用尽管功能强大,但其编程风格和灵活多变的特点,让很多由传统关系型数据库、Spark等批式处理框架转型而来的程序员头痛不已。越来越多的技术人员,希望Flink能有像Spark一样方便、熟悉的API调用。
Flink Table API和Flink SQL就是Flink为简化计算模型,降低用户使用实时计算门槛而设计的一套符合标准SQL语义的API。
![b48830350dcebab40a82628a092c2876.png](https://img-blog.csdnimg.cn/img_convert/b48830350dcebab40a82628a092c2876.png)
自2015 年开始,阿里巴巴开始调研开源流计算引擎,最终决定基于Flink打造新一代计算引擎,针对Flink存在的不足进行优化和改进。在2019年初,阿里将最终代码开源,这就是Blink。
Blink在原来的Flink基础上最显著的一个贡献就是Flink SQL的扩展实现,极大地丰富了原有API的功能。现在,越来越多的公司将Flink SQL作为了大数据流式处理开发的首选,Flink Table API 和Flink SQL也就成为了Flink学习中,不可或缺必须掌握的一部分。
尚硅谷在已有的Flink理论和项目课程基础上,又精心打造了Table API和Flink SQL课程!
![877ec48b0f3d0c50064834beec9a66a9.png](https://img-blog.csdnimg.cn/img_convert/877ec48b0f3d0c50064834beec9a66a9.png)
由尚硅谷的清华才子武晟然老师主讲,通过对Flink Table API和Flink SQL理论基础、调用方式和自定义函数的详细讲解,将Flink技能点的最后一块拼图补上,为转型期的工程师、学习期的同学提供最新、最全面的技术支持。
![c6c738a07cf35a82278b70a230b72de2.png](https://img-blog.csdnimg.cn/img_convert/c6c738a07cf35a82278b70a230b72de2.png)
由于Table API和Flink SQL还处于快速发展中,尚未完善,有很多版本变化带来的API改变,课程中也做了具体说明,方便大家对各种版本的代码进行对比和兼容。
知乎视频www.zhihu.com教程目录
01. 教程简介
02. 表环境定义
03. 读取文件创建表
04. 读取kafka数据创建表
05. 表的查询转换
06. 表和流相互转换
07. 输出到文件
08. 更新模式
09. Kafka数据管道测试
10. 写入数据到其它外部系统
11. 时间语义和时间属性的定义
12. GroupWindows
13. GroupWindows代码实现
14. OverWindows及代码实现
15. FlinkSQL中的窗口实现
16. 系统内置函数
17. 自定义标量函数
18. 自定义表函数
19. 自定义聚合函数
20. 自定义表聚合函数
![07dc637957012c875e4746f7984389ea.png](https://img-blog.csdnimg.cn/img_convert/07dc637957012c875e4746f7984389ea.png)
本文转载:尚硅谷公众号