Flink on Zeppelin-2

最新推荐文章于 2022-11-10 21:12:40 发布

000X000

最新推荐文章于 2022-11-10 21:12:40 发布

阅读量356

点赞数

分类专栏： Flink 文章标签： Flink Zeppelin

本文链接：https://blog.csdn.net/ytp552200ytp/article/details/107561287

版权

Flink 专栏收录该内容

24 篇文章 0 订阅

订阅专栏

Flink Interpreter类型

首先介绍下Zeppelin中的Flink Interpreter类型。Zeppelin的Flink Interpreter支持Flink的所有API (DataSet, DataStream, Table API ）。语言方面支持Scala，Python，SQL。下图是Zeppelin中支持的不同场景下的Flink Interpreter。

配置Flink Interpreter

下图例举了所有重要的Flink配置信息，除此之外你还可以配置任意Flink的Configuration（https://ci.apache.org/projects/flink/flink-docs-master/ops/config.html）

内置入口变量

Flink Interpreter (%flink) 为用户自动创建了下面6个变量作为Flink Scala程序的入口。

senv (StreamExecutionEnvironment),
benv (ExecutionEnvironment)
stenv (StreamTableEnvironment for blink planner)
btenv (BatchTableEnvironment for blink planner)
stenv_2 (StreamTableEnvironment for flink planner)
btenv_2 (BatchTableEnvironment for flink planner)

PyFlinkInterpreter （%flink.pyflink, %flink.ipyflink) 为用户自动创建了6个python变量作为PyFlink程序的入口

s_env (StreamExecutionEnvironment),
b_env (ExecutionEnvironment)
st_env (StreamTableEnvironment for blink planner)
bt_env (BatchTableEnvironment for blink planner)
st_env_2 (StreamTableEnvironment for flink planner)
bt_env_2 (BatchTableEnvironment for flink planner)

Blink/Flink Planner

Flink 1.10中有2种table api的planner：flink & blink.

如果你用DataSet api以及需要把DataSet转换成Table，那么就需要使用Flink planner的TableEnvironment (btenv_2 and stenv_2).
其他场景下, 我们都会建议用户使用blink planner. 这也是Flink sql使用的planner(%flink.bsql & %flink.ssql)

使用Flink Batch SQL

%flink.bsql 是用来执行Flink的batch sql. 运行 help 命令可以得到所有可用的命令

总的来说，Flink Batch SQL可以用来做2大任务：

使用 insert into 语句来做 Batch ETL
使用 select 语句来做BI 数据分析

基于Bank数据的Batch ETL

下面我们基于Bank （https://archive.ics.uci.edu/ml/datasets/bank+marketing）数据来做Batch ETL任务。

首先用Flink Sql创建一个raw 数据的source table，以及清洗干净后的sink table。

然后再定义Table Function来parse raw data。

接下来就可以用insert into语句来进行数据转换（source table --> sink table)

用select语句来Preview最终数据，验证insert into语句的正确性

基于Bank数据的BI数据分析

经过上面的数据清洗工作，接下来就可以对数据进行分析了。用户不仅可以使用标准的SQL Select语句进行分析，也可以使用Zeppelin的dynamic forms来增加交互性（TextBox，Select，Checkbox）

使用Flink UDF

SQL虽然强大，但表达能力毕竟有限。有时候就要借助于UDF来表达更复杂的逻辑。Flink Interpreter 支持2种UDF (Scala + Python)。下面是2个简单的例子。

Scala UDF

%flink

class ScalaUpper extends ScalarFunction {

def eval(str: String) = str.toUpperCase

}

btenv.registerFunction("scala_upper", new ScalaUpper())

Python UDF

%flink.pyflink

class PythonUpper(ScalarFunction):

def eval(self, s):

return s.upper()

bt_env.register_function("python_upper", udf(PythonUpper(), DataTypes.STRING(), DataTypes.STRING()))

对Hive数据的数据分析

除了可以分析Flink SQL创建的table之外，Flink也可以分析Hive上已有的table。如果要让Flink Interpreter使用Hive，那么需要做以下配置

设置 zeppelin.flink.enableHive 为 true
Copy 下面这些 dependencies 到flink的 lib 目录
flink-connector-hive_{scala_version}-{flink.version}.jar
flink-hadoop-compatibility_{scala_version}-{flink.version}.jar
flink-shaded-hadoop-2-uber-{hadoop.version}-{flink-shaded.version}.jar
hive-exec-2.x.jar (for Hive 1.x, you need to copy hive-exec-1.x.jar, hive-metastore-1.x.jar, libfb303-0.9.2.jar and libthrift-0.9.2.jar)
在Flink interpreter setting 里或者 zeppelin-env.sh里指定 HIVE_CONF_DIR
在Flink interpreter setting 指定 zeppelin.flink.hive.version 为你使用的Hive版本