Flink--Table Api 和 sql 之时间属性（一）

Flink时间

Flink总共有三种时间语义：Processing time(处理时间)、Event time(事件时间)以及Ingestion time(摄入时间)。关于这些时间语义的具体解释，可以参考另一篇文章Flink的时间与watermarks详解。本文主要讲解Flink Table API & SQL中基于时间的算子如何定义时间语义。通过本文你可以了解到：

时间属性的简介
处理时间
事件时间

时间属性概述

Flink TableAPI&SQL中的基于时间的操作(如window)，需要指定时间语义，表可以根据指定的时间戳提供一个逻辑时间属性。

时间属性是表schama的一部分，当使用DDL创建表时、DataStream转为表时或者使用TableSource时，会定义时间属性。一旦时间属性被定义完成，该时间属性可以看做是一个字段的引用，从而在基于时间的操作中使用该字段。

时间属性像一个时间戳，可以被访问并参与计算，如果一个时间属性参与计算，那么该时间属性会被雾化成一个常规的时间戳，常规的时间戳不能与Flink的时间与水位线兼容，不能被基于时间的操作所使用。

Flink TableAPI & SQL所需要的时间属性可以通过Datastream程序中指定，如下：

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime); // 默认

// 可以选择:
// env.setStreamTimeCharacteristic(TimeCharacteristic.IngestionTime);
// env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);

.一、基于 Table Api 和 sql 混用

1.处理时间

基于本地的机器时间，是一种最简单的时间语义，但是不能保证结果一致性，使用该时间语义不需要提取时间戳和生成水位线。总共有三种方式定义处理时间属性。

1.1 DDL语句创建表时定义处理时间

处理时间的属性可以在DDL语句中被定义为一个计算列，需要使用PROCTIME()函数，如下所示：

CREATE TABLE user_actions (
  user_name STRING,
  data STRING,
  user_action_time AS PROCTIME() -- 声明一个额外字段，作为处理时间属性
) WITH (
  ...
);

SELECT TUMBLE_START(user_action_time, INTERVAL '10' MINUTE), COUNT(DISTINCT user_name)
FROM user_actions
GROUP BY TUMBLE(user_action_time, INTERVAL '10' MINUTE); -- 10分钟的滚动窗口

1.2DataStream转为Table的过程中定义处理时间

在将DataStream转为表时，在schema定义中可以通过.proctime属性指定时间属性，并将其放在其他schema字段的最后面，具体如下：

DataStream<Tuple2<String, String>> stream = ...;
// 声明一个额外逻辑字段作为处理时间属性
Table table = tEnv.fromDataStream(stream, "user_name, data, user_action_time.proctime");

WindowedTable windowedTable = table.window(Tumble.over("10.minutes")
.on("user_action_time")
.as("userActionWindow"));

1.3 使用TableSource

自定义TableSource并实现DefinedProctimeAttribute 接口，如下：

// 定义个带有处理时间属性的table source
public class UserActionSource implements StreamTableSource<Row>, DefinedProctimeAttribute {

 @Override
 public TypeInformation<Row> getReturnType() {
  String[] names = new String[] {"user_name" , "data"};
  TypeInformation[] types = new TypeInformation[] {Types.STRING(), Types.STRING()};
  return Types.ROW(names, types);
 }

 @Override
 public DataStream<Row> getDataStream(StreamExecutionEnvironment execEnv) {
  // 创建stream
  DataStream<Row> stream = ...;
  return stream;
 }

 @Override
 public String getProctimeAttribute() {
        // 该字段会追加到schema中，作为第三个字段
  return "user_action_time";
 }
}

// 注册table source
tEnv.registerTableSource("user_actions", new UserActionSource());

WindowedTable windowedTable = tEnv
 .from("user_actions")
 .window(Tumble.over("10.minutes").on("user_action_time").as("userActionWindow"));

2.事件时间

基于记录的具体时间戳，即便是存在乱序或者迟到数据也会保证结果的一致性。总共有三种方式定义处理时间属性.

2.1 DDL语句创建表时定事件时间

基于记录的具体时间戳，即便是存在乱序或者迟到数据也会保证结果的一致性。总共有三种方式定义处理时间属性，具体如下

读取kafka数据源，把系统时间设置为watermark.

CREATE TABLE hsh5(
    symbol VARCHAR ,
	prod_code VARCHAR ,
	hq_type_code VARCHAR ,
    user_action_time TIMESTAMP(3),// 时间类型要指定3位
    -- 声明user_action_time作为事件时间属性，并允许5S的延迟  
  WATERMARK FOR user_action_time AS user_action_time - INTERVAL '5' SECOND
)WITH (
  'connector' = 'kafka', 
  'topic'='xxx',
  'properties.bootstrap.servers' = 'xxx', 
  'format' = 'json',
  'scan.startup.mode' = 'latest-offset'
  -- 'scan.startup.mode' = 'earliest-offset' // 消费最早的
);


SELECT TUMBLE_START(user_action_time, INTERVAL '10' MINUTE), COUNT(DISTINCT user_name)
FROM user_actions
GROUP BY TUMBLE(user_action_time, INTERVAL '10' MINUTE);

2.2 DataStream转为Table的过程中定义事件时间

当定义Schema时通过.rowtime属性指定事件时间属性，必须在DataStream中指定时间戳与水位线。例如在数据集中，事件时间属性为event_time，此时Table中的事件时间字段中可以通过’event_time. rowtime‘来指定。

目前Flink支持两种方式定义EventTime字段，如下：

// 方式1:
// 提取timestamp并分配watermarks
DataStream<Tuple2<String, String>> stream = inputStream.assignTimestampsAndWatermarks(...);

// 声明一个额外逻辑字段作为事件时间属性
// 在table schema的末尾使用user_action_time.rowtime定义事件时间属性
// 系统会在TableEnvironment中获取事件时间属性
Table table = tEnv.fromDataStream(stream, "user_name, data, user_action_time.rowtime");

// 方式2:

// 从第一个字段提取timestamp并分配watermarks
DataStream<Tuple3<Long, String, String>> stream = inputStream.assignTimestampsAndWatermarks(...);

// 第一个字段已经用来提取时间戳，可以直接使用对应的字段作为事件时间属性
Table table = tEnv.fromDataStream(stream, "user_action_time.rowtime, user_name, data");

// 使用:

WindowedTable windowedTable = table.window(Tumble.over("10.minutes").on("user_action_time")
.as("userActionWindow"));

2.3 使用TableSource

另外也可以在创建TableSource的时候，实现DefinedRowtimeAttributes接口来定义EventTime字段，在接口中需要实现getRowtimeAttributeDescriptors方法，创建基于EventTime的时间属性信息。

// 定义带有rowtime属性的table source
public class UserActionSource implements StreamTableSource<Row>, DefinedRowtimeAttributes {

 @Override
 public TypeInformation<Row> getReturnType() {
  String[] names = new String[] {"user_name", "data", "user_action_time"};
  TypeInformation[] types =
      new TypeInformation[] {Types.STRING(), Types.STRING(), Types.LONG()};
  return Types.ROW(names, types);
 }

 @Override
 public DataStream<Row> getDataStream(StreamExecutionEnvironment execEnv) {

        // 创建流，基于user_action_time属性分配水位线
  DataStream<Row> stream = inputStream.assignTimestampsAndWatermarks(...);
  return stream;
 }

 @Override
 public List<RowtimeAttributeDescriptor> getRowtimeAttributeDescriptors() {
        // 标记user_action_time字段作为事件时间属性
        // 创建user_action_time描述符，用来标识时间属性字段
  RowtimeAttributeDescriptor rowtimeAttrDescr = new RowtimeAttributeDescriptor(
   "user_action_time",
   new ExistingField("user_action_time"),
   new AscendingTimestamps());
  List<RowtimeAttributeDescriptor> listRowtimeAttrDescr = Collections.singletonList(rowtimeAttrDescr);
  return listRowtimeAttrDescr;
 }
}

// register表
tEnv.registerTableSource("user_actions", new UserActionSource());

WindowedTable windowedTable = tEnv
 .from("user_actions")
 .window(Tumble.over("10.minutes").on("user_action_time").as("userActionWindow"));

参考：
https://ci.apache.org/projects/flink/flink-docs-release-1.13/docs/dev/table/sql/queries/window-agg/
https://mp.weixin.qq.com/s/Qvi2AshGjkaES-Ce_dg6UA