Flink Sql教程(7)

Redis异步维表

概述

  • 之前和大家聊过维表,也聊过FLINK中如何使用维表,目前FLINK自带的维表有两种,一种是JDBC维表,一种是HBASE维表。其中JDBC维表支持缓存,HBASE暂不支持
  • 两种维表也都是同步维表,性能较弱
  • 我之前也说过会在后面的教程实现以下异步第三方维表,加上一个叫啤酒鸭的问我相关的问题,就抽空写了一把
  • redis异步客户端我用的是Lettuce,大家也可以用RedissionJedis是同步的,大家千万注意
  • 不过和我之前说的一样,缓存会遇到旧数据的问题,所以也相当于给大家留了一个小作业~~(主要没时间写,写完代码和博客就快下班了)~~ ,通过定时器,定时更新缓存的数据,保证尽可能拿到最新的维表数据
  • 下面的代码在我的github库里面都有,包括以前教程的代码也是一样

TablesFactory

  • 想通过DDL来定义我们的维表的话,就必须得实现StreamTableSourceFactoryStreamTableSinkFactory其中之一或者两者全部实现。一个对应数据源表,一个对应于数据结果表,需要哪个实现哪个吧
  • 之后需要实现4个方法
    • createStreamTableSink 创建流类型tableSink
    • createStreamTableSource创建流类型tableSource
    • requiredContext 只有DDL语句WITH里面的参数&值和该方法传递的参数完全一致,DDL才能映射到这个工厂类
    • supportedProperties 支持的参数&值,用于验证
  • 同时,需要在resource目录下建META-INF/services/org.apache.flink.table.factories.TableFactory路径以及文件,并在文件里面写入你的工厂类全路径。主要是为了通过SPI来发现你的工厂类
  • 下面贴一下代码
    package factory;
    
    import org.apache.flink.api.common.typeinfo.TypeInformation;
    import org.apache.flink.api.java.tuple.Tuple2;
    import org.apache.flink.table.api.TableSchema;
    import org.apache.flink.table.descriptors.DescriptorProperties;
    import org.apache.flink.table.descriptors.JDBCValidator;
    import org.apache.flink.table.descriptors.SchemaValidator;
    import org.apache.flink.table.factories.StreamTableSinkFactory;
    import org.apache.flink.table.factories.StreamTableSourceFactory;
    import org.apache.flink.table.sinks.StreamTableSink;
    import org.apache.flink.table.sources.StreamTableSource;
    import org.apache.flink.table.types.utils.TypeConversions;
    import org.apache.flink.table.utils.TableSchemaUtils;
    import org.apache.flink.types.Row;
    import source.RedisLookupTableSource;
    import util.RedisValidator;
    
    import java.util.ArrayList;
    import java.util.HashMap;
    import java.util.List;
    import java.util.Map;
    
    import static org.apache.flink.table.descriptors.Schema.*;
    import static org.apache.flink.table.descriptors.Schema.SCHEMA_NAME;
    import static util.RedisValidator.*;
    
    public class RedisTableSourceSinkFactory implements
            StreamTableSourceFactory<Row>,
            StreamTableSinkFactory<Tuple2<Boolean, Row>> {
         
        //数据输出使用
        @Override
        public StreamTableSink<Tuple2<Boolean, Row>> createStreamTableSink(Map<String, String> properties) {
         
            throw new IllegalArgumentException("unSupport sink now");
        }
    
        //数据源使用,维表也算,其实感觉维表应该独立开
        @Override
        public StreamTableSource<Row> createStreamTableSource(Map<String, String> properties) {
         
            //校验参数
            DescriptorProperties descriptorProperties = getValidatedProperties(properties);
    
            TableSchema schema = TableSchemaUtils.getPhysicalSchema(descriptorProperties.getTableSchema(SCHEMA));
    
            RedisLookupTableSource.Builder builder = RedisLookupTableSource.builder()
                    .setFieldNames(schema.getFieldNames())
                    .setFieldTypes(schema.getFieldTypes())
                    .setIp(descriptorProperties.getString(CONNECTOR_IP))
                    .setPort(Integer.parseInt(descriptorProperties.getString(CONNECTOR_PORT)));
    		//当缓存相关参数为空时,不会出现异常
            descriptorProperties.getOptionalLong(CONNECTOR_LOOKUP_CACHE_MAX_ROWS).ifPresent(builder::setCacheMaxSize);
            descriptorProperties.getOptionalLong(CONNECTOR_LOOKUP_CACHE_TTL).ifPresent(builder::setCacheExpireMs);
    
            return builder.build();
    
        }
    
        //redis维表 需要参数值是这样的
        @Override
        public Map<String, String> requiredContext() {
         
            Map<String, String> context = new HashMap<>();
            context.put(CONNECTOR_TYPE, CONNECTOR_TYPE_VALUE_REDIS);
            context.put(CONNECTOR_PROPERTY_VERSION, "1"); // backwards compatibility
            return context;
        }
    
        //需要的参数
        @Override
        public List<String> supportedProperties() {
         
            List<String> properties = new ArrayList<>();
    
            properties.add(CONNECTOR_IP);
            properties.add(CONNECTOR_PORT);
            properties.add(CONNECTOR_VERSION);
            properties.add(CONNECTOR_LOOKUP_CACHE_MAX_ROWS);
            properties.add(CONNECTOR_LOOKUP_CACHE_TTL);
    
            // schema
            properties.add(SCHEMA + ".#." + SCHEMA_DATA_TYPE);
            properties.add(SCHEMA + ".#." + SCHEMA_TYPE);
            properties.add(SCHEMA + ".#." + SCHEMA_NAME);
    
            return properties;
        }
    
        private DescriptorProperties getValidatedProperties(Map<String, String> properties) {
         
            final DescriptorProperties descriptorProperties = new DescriptorProperties(true);
    
            descriptorProperties.putProperties(properties);
    
            new SchemaValidator(true, false, false).validate(descriptorProperties);
    
            new RedisValidator().validate(descriptorProperties);
    
            return descriptorProperties;
        }
    }
    
    

TableSource

  • 有了工厂,下面就得有工厂的实现
  • 我们需要实现LookupableTableSourceStreamTableSource这两个类,并且实现这些个方法
    • getLookupFunction 返回真正去redis拿数据的工人类(同步模式)
    • getAsyncLookupFunction 返回真正去redis拿数据的工人类(异步模式)
    • isAsyncEnabled是否是异步模式
    • getTableSchema表结构
    • getDataStream获取数据流,我们这只支持维表使用,所以直接返回空吧
    • getProducedDataType产生的数据类型
    package source;
    
    import lookup.RedisLookupFunction;
    import org.apache.flink.api.common.typeinfo.TypeInformation;
    import org.apache.flink.api.java.typeutils.RowTypeInfo;
    import org.apache.flink.streaming.api.datastream.DataStream;
    import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
    import org.apache.flink.table.api.TableSchema;
    import org.apache.flink.table.functions.AsyncTableFunction;
    import org.apache.flink.table.functions.TableFunction;
    import org.apache.flink.table.sources.LookupableTableSource;
    import org.apache.flink.table.sources.StreamTableSource;
    import org.apache.flink.table.types.DataType;
    import org.apache.flink.table.types.utils.TypeConversions;
    import org.apache.flink.types.Row;
    
    public class RedisLookupTableSource implements
            LookupableTableSource<Row>, StreamTableSource<Row> {
         
    
  • 10
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值