flink实战教程-flink streaming sql 初体验

背景

SQL，Structured Query Language:结构化查询语言，作为一个通用、流行的查询语言，不仅仅是在传统的数据库，在大数据领域也变得越来越流行，hive、spark、kafka、flink等大数据组件都支持sql的查询，使用sql可以让一些不懂这些组件原理的人，轻松的来操作，大大的降低了使用的门槛，今天我们先来简单的讲讲在flink的流处理中如何使用sql.

实例讲解

构造StreamTableEnvironment对象

在flink的流处理中，要使用sql，需要首先构造一个StreamTableEnvironment对象，方法比较简单。

sql中用到的catalog、table、function等都需要注册到StreamTableEnvironment才能使用。

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env);

注册table

接下来要将相应的表的信息注册到StreamTableEnvironment对象中，有以下几种方式可以选择.
以下的代码是基于flink 1.10.0版本进行讲解的，各个版本略有不同。

使用Tuple

		//使用flink的二元组，这个时候需要自定义字段名称
		Tuple2<String,Integer> tuple2 = Tuple2.of("jack", 10);
		//构造一个Tuple的DataStream
		DataStream<Tuple2<String,Integer>> tupleStream = env.fromElements(tuple2);
//		注册到StreamTableEnvironment，并且指定对应的字段名
		tableEnv.createTemporaryView("usersTuple", tupleStream, "name,age");
		//执行一个sql 查询. 然后返回一个table对象
		Table table = tableEnv.sqlQuery("select name,age from usersTuple");
//		将table对象转成flink的DataStream，以便后续操作，我们这里将其输出
		tableEnv.toAppendStream(table, Row.class).print();

具体的详尽的内容请参考代码中的注释.

使用Row

flink中提供的元组Tuple是有限制的，最多到Tuple25，所以如果我们有更多的字段，可以选择使用flink中的Row对象.

	//使用Row
		Row row = new Row(2);
		row.setField(0, "zhangsan");
		row.setField(1, 20);
		DataStream<Row> rowDataStream = env.fromElements(row);
		tableEnv.createTemporaryView("usersRow", rowDataStream, "name,age");
		Table tableRow = tableEnv.sqlQuery("select name,age from usersRow");
		tableEnv.toAppendStream(tableRow, Row.class).print();

使用java的Pojo类

首先定一个pojo类

	public static class User{
		private String name;
		private int age;

		public String getName(){
			return name;
		}

		public void setName(String name){
			this.name = name;
		}

		public int getAge(){
			return age;
		}

		public void setAge(int age){
			this.age = age;
		}
	}

定义这个pojo类是要符合flink的序列化规则，是有一定要求的，具体的可以参考【1】：

1. 该类是public类型并且没有非静态内部类
2. 该类拥有公有的无参构造器
3. 类（以及所有超类）中的所有非静态、非 transient 字段都是公有的（非 final 的）；或者遵循 Java bean 规则，字段是private的，但是具有public类型的 getter 和 setter 方法

User user = new User();
		user.setName("Tom");
		user.setAge(20);
		DataStream<User> userDataStream = env.fromElements(user);
		tableEnv.createTemporaryView("usersPojo", userDataStream);
		Table tablePojo = tableEnv.sqlQuery("select name,age from usersPojo");
		tableEnv.toAppendStream(tablePojo, Row.class).print();

如果使用的是java pojo类型的DataStream，就不用声明字段名称了，flink会自动解析pojo类中的字段名称和类型来作为table的字段和类型。

使用外部存储

		//连接外部系统，比如文件，kafka等
		Schema schema = new Schema()
				.field("name", DataTypes.STRING())
				.field("age", DataTypes.INT());
		tableEnv.connect(new FileSystem().path("...."))
		        .withFormat(new Csv())
		        .withSchema(schema)
		        .createTemporaryTable("usersFile");
		Table tableFile = tableEnv.sqlQuery("select name,age from usersFile");
		tableEnv.toAppendStream(tableFile, Row.class).print();

使用外部存储的时候需要指定以下对象：

1. tableEnv.connect(ConnectorDescriptor …)
   指定连接符，目前flink支持Elasticsearch、hbase、kafka、filesystem这几类
2. withFormat(FormatDescriptor format)
   这个就是指定我们从上述数据源读取的数据的格式，比如json、csv、parquet等等
3. .withSchema(Schema schema)
   给我们的table定义一个schema，也就是字段的名称和类型，用于sql查询
4. .createTemporaryTable(“usersFile”) 给表起一个名字，并且注册到StreamTableEnvironment中

其实还有一些其他的注册方法，但是已经标记为过期了，我们这里就不讲解了。

参考资料：
[1].https://ci.apache.org/projects/flink/flink-docs-stable/dev/types_serialization.html

完整代码请参考
https://github.com/zhangjun0x01/bigdata-examples/blob/master/flink/src/main/java/sql/SqlFirst.java

欢迎关注我的微信公众号【大数据技术与应用实战】，获取更新详细资料.