flink笔记11 Flink Table API和SQL的简单实例

Apache Flink有两个关系应用编程接口——the Table API and SQL ，用于统一的流和批处理

The Table API and SQL 相互无缝集成，与Flink的DataStream API无缝集成

1.Table API & SQL简介

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

flink根据使用的便捷性提供了三种API，自下而上是：

Flink的API是分层的，而Table API与SQL就位于最顶层。也就是说Table API和SQL是Flink中封装程度最高的API

Table API & SQL特点

• 声明行：用户只关心做什么，不用关心怎么做
• 高性能：支持性能优化，可以获取更好的执行性能
• 流批统一：相同的统计逻辑，既可以流模式运行，也可以批模式运行
• 性能稳定：语义遵循SQL标准，不易变动
• 易理解：语义明确，所见即所得

2.引入依赖

使用(写代码)之前，现在pom.xml里引入依赖

<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-table-planner_2.12</artifactId>
    <version>1.10.1</version>
</dependency>
<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-table-api-scala-bridge_2.12</artifactId>
    <version>1.10.1</version>
</dependency>

3.Table ApI简单例子

import org.apache.flink.streaming.api.scala.{StreamExecutionEnvironment, createTypeInformation}
import org.apache.flink.table.api.scala.{StreamTableEnvironment, tableConversions}

case class sensorReading(id:String,timestamp:Long,temperature:Double)

object example {
  def main(args: Array[String]): Unit = {
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    env.setParallelism(1)

    val inputstream = env.socketTextStream("localhost",7777)

    val datastream = inputstream
      .map(
        data =>{
          var arr = data.split(",")
          sensorReading(arr(0),arr(1).toLong,arr(2).toDouble)
        }
      )

    //首先创建表执行环境
    val tableEnv = StreamTableEnvironment.create(env)

    //基于流创建一张表
    val dataTable = tableEnv.fromDataStream(datastream)

    //调用table API进行转换查询
    val resultTable = dataTable
      .select("id,temperature")
      .filter("id =='sensor_2'")

    //输出
    resultTable.toAppendStream[(String,Double)].print("result")

    env.execute("example test")
  }
}

两个例子的执行结果相同：

            

4.SQL简单例子

import org.apache.flink.streaming.api.scala.{StreamExecutionEnvironment, createTypeInformation}
import org.apache.flink.table.api.scala.{StreamTableEnvironment, tableConversions}

case class sensorReading(id:String,timestamp:Long,temperature:Double)

object example {
  def main(args: Array[String]): Unit = {
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    env.setParallelism(1)

    val inputstream = env.socketTextStream("localhost",7777)

    val datastream = inputstream
      .map(
        data =>{
          var arr = data.split(",")
          sensorReading(arr(0),arr(1).toLong,arr(2).toDouble)
        }
      )

    //首先创建表执行环境
    val tableEnv = StreamTableEnvironment.create(env)

    //基于流创建一张表
    val dataTable = tableEnv.fromDataStream(datastream)

    //创建视图(虚拟的表)
    tableEnv.createTemporaryView("dataTable",dataTable)
    
    //查询转换 写到这里sqlQuery()里面敲三个双引号回车
    val resultSqlTable = tableEnv.sqlQuery(
      """
        |select id,temperature
        |from dataTable
        |where id = 'sensor_2'
        |""".stripMargin)

    //输出
    resultSqlTable.toAppendStream[(String,Double)].print("result_sql")

    env.execute("example test")
  }
}

5.总结

在流处理环境中，进行Table API和SQL操作

import org.apache.flink.streaming.api.scala.StreamExecutionEnvironment

object test{
  def main(args: Array[String]): Unit = {
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    env.setParallelism(1)

    //中间写内容

    env.execute("test")
  }
}

也可以是批处理环境，Table API 和 SQL 查询可以很容易地集成并嵌入到 DataStream 或 DataSet 程序中

Table API和SQL步骤：

①创建 TableEnvironment

②在catalog中创建表

③转换表

④输出表

具体讲解在下一篇：[Table API和SQL] 创建表环境、创建表_Aurora1217的博客-CSDN博客

                               [Table API和SQL] 查询表、输出表_Aurora1217的博客-CSDN博客