Flink:Table Api 和 Flink SQL
簡介
Flink 對批處理和流處理,提供了統一的上層 API
Table API 是一套內嵌在 Java 和 Scala 語言中的查詢API,它允許以非常直觀的方式組合來自一些關係運算符的查詢
Flink 的 SQL 支援基於實現了 SQL 標準的 Apache Calcite
示例:
先引入pom依賴:
<dependency> <groupid>org.apache.flink</groupid> <artifactid>flink-table-planner_2.12</artifactid> <version>1.10.1</version> </dependency>
測試程式碼·:
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.setParallelism(1); DataStream<string> inputStream = env.readTextFile("D:\\project\\flink-demo\\src\\main\\resources\\sensor.txt"); DataStream<sensorreading> dataStream = inputStream.map((str) -> { String[] split = str.split(" "); return new SensorReading(split[0], Long.parseLong(split[1]), Double.parseDouble(split[2])); }); //建立表環境 StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env); //基於流建立一張表 Table dataTab = tableEnv.fromDataStream(dataStream); //呼叫tableApi進行轉換操作 Table resultTab = dataTab.select("id, temperature") .where("id = 'sensor_1'"); //執行SQL tableEnv.createTemporaryView("sensor", dataTab); String sql = "select id, temperature from sensor where id = 'sensor_1'"; Table resultSqlTab = tableEnv.sqlQuery(sql); //獲取結果 tableEnv.toAppendStream(resultTab, Row.class).print("resultTab"); tableEnv.toAppendStream(resultSqlTab, Row.class).print("resultSqlTab"); env.execute();
執行結果:
基本程式結構
Table API 和 SQL 的程式結構,與流式處理的程式結構十分類似
StreamTableEnvironment tableEnv = ... // 建立表的執行環境 // 建立一張表,用於讀取資料 tableEnv.connect(...).createTemporaryTable("inputTable"); // 註冊一張表,用於把計算結果輸出 tableEnv.connect(...).createTemporaryTable("outputTable"); // 通過 Table API 查詢運算元,得到一張結果表 Table result = tableEnv.from("inputTable").select(...); // 通過 SQL查詢語句,得到一張結果表 Table sqlResult = tableEnv.sqlQuery("SELECT ... FROM inputTable ..."); // 將結果表寫入輸出表中 result.insertInto("outputTable");
表環境配置
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
//基於老版本planner的流處理
//表環境配置
EnvironmentSettings settings = EnvironmentSettings.newInstance()
.useOldPlanner() //基於老版本planner的流處理
.inStreamingMode()//流環境
.build();
StreamTableEnvironment tabEnv = StreamTableEnvironment.create(env, settings);
//基於老版本planner的批處理
ExecutionEnvironment batchEnv = ExecutionEnvironment.getExecutionEnvironment();
BatchTableEnvironment oldBatchTableEnvironment = BatchTableEnvironment.create(batchEnv);
//基於Blink的流處理
EnvironmentSettings blinkStreamSettings = EnvironmentSettings.newInstance()
.useBlinkPlanner()
.inStreamingMode()
.build();
StreamTableEnvironment blinkStreamEnv = StreamTableEnvironment.create(env, blinkStreamSettings);
//基於Blink的批處理
EnvironmentSettings blinkBatchSettings = EnvironmentSettings.newInstance()
.useBlinkPlanner()
.inBatchMode()
.build();
TableEnvironment blinkBatchEnv = TableEnvironment.create(blinkBatchSettings);
表
TableEnvironment 可以註冊目錄 Catalog,並可以基於 Catalog 登錄檔。
表(Table)是由一個“識別符號”(identifier)來指定的,由3部分組成: Catalog名、資料庫(database)名和物件名。
表可以是常規的,也可以是虛擬的(檢視,View)。
常規表(Table)一般可以用來描述外部資料,比如檔案、資料庫表或訊息佇列的資料,也可以直接從 DataStream轉換而來。
檢視(View)可以從現有的表中建立,通常是 table API 或者 SQL 查詢的 一個結果集。
建立表
TableEnvironment 可以呼叫 .connect() 方法,連線外部系統,並呼叫 .createTemporaryTable() 方法,在 Catalog 中登錄檔。
tableEnv
.connect(...) // 定義表的資料來源,和外部系統建立連線
.withFormat(...) // 定義資料格式化方法
.withSchema(...) // 定義表結構
.createTemporaryTable("MyTable"); // 建立臨時表
引入csv依賴:
<dependency>
<groupid>org.apache.flink</groupid>
<artifactid>flink-csv</artifactid>
<version>1.10.1</version>
</dependency>
建立表:從檔案讀取資料
//表的建立:讀取檔案登錄檔
String file = "D:\\project\\flink-demo\\src\\main\\resources\\sensor2.txt";
Schema schema = new Schema()
.field("id", DataTypes.STRING())
.field("timestamp", DataTypes.BIGINT())
.field("temp", DataTypes.DOUBLE());
tabEnv.connect(new FileSystem().path(file))
.withFormat(new Csv()) //檔案預設的字元分隔符號是逗號
.withSchema(schema)
.createTemporaryTable("inputTable");
Table inputTable = tabEnv.from("inputTable");
inputTable.printSchema();
tabEnv.toAppendStream(inputTable, Row.class).print();
env.execute();
執行結果:
表的查詢-Table API
Table API 是整合在 Scala 和 Java 語言內的查詢 API
Table API 基於代表“表”的 Table 類,並提供一整套操作處理的方法 API;這些方法會返回一個新的 Table 物件,表示對輸入表應用轉換操作的結果
有些關係型轉換操作,可以由多個方法呼叫組成,構成鏈式呼叫結構
測試:
Table inputTable = tabEnv.from("inputTable");
// inputTable.printSchema();
// tabEnv.toAppendStream(inputTable, Row.class).print();
//查詢轉換,聚合統計
inputTable.select("id, temp")
.filter("id = 'sensor_1'");
Table aggTable = inputTable.groupBy("id")
.select("id, id.count as idCount, temp.avg as avgTemp");
Table aggTableSql = tabEnv.sqlQuery("select id, count(id) as idCount, avg(temp) as avgTemp from inputTable group by id");
tabEnv.toRetractStream(aggTable, Row.class).print("aggTable");
tabEnv.toRetractStream(aggTableSql, Row.class).print("aggTableSql");
輸出結果:
表的輸出-輸出到檔案
測試:
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
EnvironmentSettings settings = EnvironmentSettings.newInstance()
.useOldPlanner() //基於老版本planner的流處理
.inStreamingMode()//流環境
.build();
StreamTableEnvironment tabEnv = StreamTableEnvironment.create(env, settings);
//表的建立:讀取檔案登錄檔
String file = "D:\\project\\flink-demo\\src\\main\\resources\\sensor2.txt";
Schema schema = new Schema()
.field("id", DataTypes.STRING())
.field("timestamp", DataTypes.BIGINT())
.field("temp", DataTypes.DOUBLE());
tabEnv.connect(new FileSystem().path(file))
.withFormat(new Csv())
.withSchema(schema)
.createTemporaryTable("inputTable");
//基於老版本planner的流處理
//表環境配置
Table aggTableSql = tabEnv.sqlQuery("select id, temp from inputTable where id = 'sensor_1'");
//輸出到檔案
String out = "D:\\project\\flink-demo\\src\\main\\resources\\out.txt";
Schema outSchema = new Schema()
.field("id", DataTypes.STRING())
.field("temp", DataTypes.DOUBLE());
tabEnv.connect(new FileSystem().path(out))
.withFormat(new Csv())
.withSchema(outSchema)
.createTemporaryTable("outputTable");
aggTableSql.insertInto("outputTable");
env.execute();
sensor2.txt檔案內容:
sensor_1,1547718199,35.8
sensor_2,1547718199,16.8
sensor_3,1547718199,26.9
sensor_1,1547718199,17.8
sensor_2,1547718199,38.8
sensor_3,1547718199,39.8
生成的out.txt內容:
sensor_1,35.8
sensor_1,17.8
連線kafka讀取資料
測試程式碼:
//前面程式碼省略
//連線kafka,並讀取資料
Kafka kafka = new Kafka()
.version("0.11")
.topic("sensor")
.property("zookeeper.connect", "192.168.1.77:2181")
.property("bootstrap.servers", "192.168.1.77:9092");
tabEnv.connect(kafka)
.withFormat(new Csv())
.withSchema(schema)
.createTemporaryTable("inputTable");
//表環境配置
Table aggTableSql = tabEnv.sqlQuery("select id, temp from inputTable where id = 'sensor_1'");
tabEnv.toAppendStream(aggTableSql, Row.class).print();
測試效果:
kafka執行:
./kafka-console-producer.sh --broker-list 192.168.1.77:9092 --topic sensor
更新模式
對於流式查詢,需要宣告如何在表和外部聯結器之間執行轉換。
與外部系統交換的訊息型別,由更新模式(Update Mode)指定。
- 追加(Append)模式
- 表只做插入操作,和外部聯結器只交換插入(Insert)訊息
- 撤回(Retract)模式
- 表和外部聯結器交換新增(Add)和撤回(Retract)訊息
- 插入操作(Insert)編碼為 Add 訊息;刪除(Delete)編碼為 Retract 訊息;更新(Update)編碼為上一條的 Retract 和下一條的 Add 訊息
- 更新插入(Upsert)模式
- 更新和插入都被編碼為 Upsert 訊息;刪除編碼為 Delete 訊息
輸出到外部系統
輸出到Kafka
可以建立 Table 來描述 kafka 中的資料,作為輸入或輸出的 TableSink
tableEnv.connect(
new Kafka()
.version("0.11")
.topic("sinkTest")
.property("zookeeper.connect", "localhost:2181")
.property("bootstrap.servers", "localhost:9092")
)
.withFormat( new Csv() )
.withSchema( new Schema()
.field("id", DataTypes.STRING())
.field("temp", DataTypes.DOUBLE())
).createTemporaryTable("kafkaOutputTable");
resultTable.insertInto("kafkaOutputTable");
輸出到 ES
可以建立 Table 來描述 ES 中的資料,作為輸出的 TableSink
tableEnv.connect(
new Elasticsearch()
.version("6")
.host("localhost", 9200, "http")
.index("sensor")
.documentType("temp")
)
.inUpsertMode()
.withFormat(new Json())
.withSchema( new Schema()
.field("id", DataTypes.STRING())
.field("count", DataTypes.BIGINT())
)
.createTemporaryTable("esOutputTable");
aggResultTable.insertInto("esOutputTable");
輸出到 MySql
可以建立 Table 來描述 MySql 中的資料,作為輸入和輸出
需要先匯入依賴:
<dependency>
<groupid>org.apache.flink</groupid>
<artifactid>flink-jdbc_2.12</artifactid>
<version>1.10.1</version>
</dependency>
String sinkDDL=
"create table jdbcOutputTable (" +
" id varchar(20) not null, " +
" cnt bigint not null " +
") with (" +
" 'connector.type' = 'jdbc', " +
" 'connector.url' = 'jdbc:mysql://localhost:3306/test', " +
" 'connector.table' = 'sensor_count', " +
" 'connector.driver' = 'com.mysql.jdbc.Driver', " +
" 'connector.username' = 'root', " +
" 'connector.password' = '123456' )";
tableEnv.sqlUpdate(sinkDDL) // 執行 DDL建立表
aggResultSqlTable.insertInto("jdbcOutputTable");
表和流的轉換
Table 轉換成 DataStream
表可以轉換為 DataStream 或 DataSet ,這樣自定義流處理或批處理程式就可以繼續在 Table API 或 SQL 查詢的結果上運行了
將錶轉換為 DataStream 或 DataSet 時,需要指定生成的資料型別,即要將 表的每一行轉換成的資料型別
表作為流式查詢的結果,是動態更新的
轉換有兩種轉換模式:追加(Append)模式和撤回(Retract)模式
-
追加模式(Append Mode)
DataStream<row> resultStream = tableEnv.toAppendStream(resultTable, Row.class);
-
撤回模式(Retract Mode)
- 用於任何場景。有些類似於更新模式中 Retract 模式,它只有 Insert 和 Delete 兩類操作。
- 得到的資料會增加一個 Boolean 型別的標識位(返回的第一個欄位),用它來表示到底是新增的資料(Insert),還是被刪除的資料(Delete)
DataStream<tuple2<boolean, row="">> aggResultStream = tableEnv .toRetractStream(aggResultTable , Row.class);
DataStream 轉換成Table
-
對於一個 DataStream,可以直接轉換成 Table,進而方便地呼叫 Table API 做轉換操作
DataStream<sensorreading> dataStream = ... Table sensorTable = tableEnv.fromDataStream(dataStream);
-
預設轉換後的 Table schema 和 DataStream 中的欄位定義一一對應,也可以單獨指定出來
DataStream<sensorreading> dataStream = ... Table sensorTable = tableEnv.fromDataStream(dataStream, "id, timestamp as ts, temperature");
建立臨時檢視
基於 DataStream 建立臨時檢視:
tableEnv.createTemporaryView("sensorView", dataStream);
tableEnv.createTemporaryView("sensorView", dataStream, "id, temperature, timestamp as ts");
基於 Table 建立臨時檢視:
tableEnv.createTemporaryView("sensorView", sensorTable);
檢視執行計劃
Table API 提供了一種機制來解釋計算表的邏輯和優化查詢計劃
檢視執行計劃,可以通過 TableEnvironment.explain(table) 方法或TableEnvironment.explain() 方法完成,返回一個字串,描述三個計劃
- 優化的邏輯查詢計劃
- 優化後的邏輯查詢計劃
- 優化後的邏輯查詢計劃
String explaination = tableEnv.explain(resultTable);
System.out.println(explaination);
動態表
動態表是 Flink 對流資料的 Table API 和 SQL 支援的核心概念
與表示批處理資料的靜態表不同,動態表是隨時間變化的
持續查詢(Continuous Query):動態表可以像靜態的批處理表一樣進行查詢,查詢一個動態表會產生持續查詢(Continuous Query),連續查詢永遠不會終止,並會生成另一個動態表,查詢會不斷更新其動態結果表,以反映其動態輸入表上的更改
流式表查詢的處理過程:
- 流被轉換為動態表
- 對動態表計算連續查詢,生成新的動態表
- 生成的動態表被轉換回流
將流轉換成動態表:
持續查詢:持續查詢會在動態表上做計算處理,並作為結果生成新的動態表
將動態錶轉換成 DataStream:
時間特性
Table 可以提供一個邏輯上的時間欄位,用於在表處理程式中,指示時間和訪問相應的時間戳。時間屬性,可以是每個表schema的一部分。一旦定義了時間屬性,它就可以作為一個欄位引用,並且可以在基於時間的操作中使用。時間屬性的行為類似於常規時間戳,可以訪問,並且進行計算。
處理時間
定義處理時間:由 DataStream 轉換成表時指定
-
在定義Schema期間,可以使用.proctime,指定欄位名定義處理時間欄位。
-
這個proctime屬性只能通過附加邏輯欄位,來擴充套件物理schema。因此,只能在schema定義的末尾定義它
Table sensorTable = tableEnv.fromDataStream(dataStream, "id, temperature, timestamp, pt.proctime");
程式碼測試:(部分程式碼省略)
StreamTableEnvironment tabEnv = StreamTableEnvironment.create(env, settings);
Table table = tabEnv.fromDataStream(dataStream, "id, temperature, timestamp, pt.proctime");
tabEnv.toAppendStream(table, Row.class).print("row");
env.execute();
測試結果:
-
定義 Table Schema 時指定(謹慎使用)
.withSchema(new Schema() .field("id", DataTypes.STRING()) .field("timestamp", DataTypes.BIGINT()) .field("temperature", DataTypes.DOUBLE()) .field("pt", DataTypes.TIMESTAMP(3)) .proctime() )
-
在建立表的 DDL 中定義
String sinkDDL = "create table dataTable (" + " id varchar(20) not null, " + " ts bigint, " + " temperature double, " + " pt AS PROCTIME() " + ") with (" + " 'connector.type' = 'filesystem', " + " 'connector.path' = '/sensor.txt', " + " 'format.type' = 'csv')"; tableEnv.sqlUpdate(sinkDDL);
事件時間
事件時間語義,允許表處理程式根據每個記錄中包含的時間生成結果。這樣即使在有亂序事件或者延遲事件時,也可以獲得正確的結果。為了處理無序事件,並區分流中的準時和遲到事件;Flink 需要從事件資料中,提取時間戳,並用來推進事件時間的進展。
事件時間由 DataStream 轉換成表時指定。
-
在 DataStream 轉換成 Table,使用 .rowtime 可以定義事件時間屬性
//別忘記設定事件時間語義 env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime); // 將 DataStream轉換為 Table,並指定時間欄位 Table sensorTable = tableEnv.fromDataStream(dataStream, "id, timestamp.rowtime, temperature"); // 或者,直接追加時間欄位 Table sensorTable = tableEnv.fromDataStream(dataStream, " id, temperature, timestamp, rt.rowtime");
程式碼:
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.setParallelism(1); env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime); DataStream<string> inputStream = env.readTextFile("D:\\project\\flink-demo\\src\\main\\resources\\sensor.txt"); DataStream<sensorreading> dataStream = inputStream.map((str) -> { String[] split = str.split(" "); return new SensorReading(split[0], Long.parseLong(split[1]), Double.parseDouble(split[2])); }).assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor<sensorreading>(Time.seconds(2)) { @Override public long extractTimestamp(SensorReading element) { return element.getTimestamp() * 1000; } }); EnvironmentSettings settings = EnvironmentSettings.newInstance() .useOldPlanner() //基於老版本planner的流處理 .inStreamingMode()//流環境 .build(); StreamTableEnvironment tabEnv = StreamTableEnvironment.create(env, settings); Table sensorTable = tabEnv.fromDataStream(dataStream, "id, timestamp as ts, temperature, timestamp.rowtime as rt"); // Table table = tabEnv.fromDataStream(dataStream, "id, temperature, timestamp, pt.proctime"); tabEnv.toAppendStream(sensorTable, Row.class).print("row"); sensorTable.printSchema(); env.execute();
測試:
-
定義 Table Schema 時指定
.withSchema(new Schema() .field("id", DataTypes.STRING()) .field("timestamp", DataTypes.BIGINT()) .rowtime( new Rowtime() .timestampsFromField("timestamp") // 從欄位中提取時間戳 .watermarksPeriodicBounded(1000) // watermark延遲1秒 ) .field("temperature", DataTypes.DOUBLE()) )
-
在建立表的 DDL 中定義
String sinkDDL= "create table dataTable (" + " id varchar(20) not null, " + " ts bigint, " + " temperature double, " + " rt AS TO_TIMESTAMP( FROM_UNIXTIME(ts) ), " + " watermark for rt as rt - interval '1' second" + ") with (" + " 'connector.type' = 'filesystem', " + " 'connector.path' = '/sensor.txt', " + " 'format.type' = 'csv')"; tableEnv.sqlUpdate(sinkDDL);
視窗
時間語義,要配合視窗操作才能發揮作用。
在 Table API 和 SQL 中,主要有兩種視窗:
- Group Windows(分組視窗):根據時間或行計數間隔,將行聚合到有限的組(Group)中,並對每個組的資料
- Over Windows:針對每個輸入行,計算相鄰行範圍內的聚合
分組視窗
Group Windows 是使用 window(w:GroupWindow)子句定義的,並且必須由as子句指定一個別名。
為了按視窗對錶進行分組,視窗的別名必須在 group by 子句中,像常規的分組欄位一樣引用。
Table table = input
.window([w: GroupWindow] as "w") // 定義視窗,別名為 w
.groupBy("w, a") // 按照欄位 a和視窗 w分組
.select("a, b.sum"); // 聚合
Table API 提供了一組具有特定語義的預定義 Window 類,這些類會被轉換為底層 DataStream 或 DataSet 的視窗操作。
滾動視窗(Tumbling windows)
滾動視窗要用 Tumble 類來定義。
// Tumbling Event-time Window
.window(Tumble.over("10.minutes").on("rowtime").as("w"))
// Tumbling Processing-time Window
.window(Tumble.over("10.minutes").on("proctime").as("w"))
// Tumbling Row-count Window
.window(Tumble.over("10.rows").on("proctime").as("w"))
滑動視窗(Sliding windows)
滑動視窗要用 Slide 類來定義
// Sliding Event-time Window
.window(Slide.over("10.minutes").every("5.minutes").on("rowtime").as("w"))
// Sliding Processing-time window
.window(Slide.over("10.minutes").every("5.minutes").on("proctime").as("w"))
// Sliding Row-count window
.window(Slide.over("10.rows").every("5.rows").on("proctime").as("w"))
會話視窗(Session windows)
會話視窗要用 Session 類來定義。
// Session Event-time Window
.window(Session.withGap("10.minutes").on("rowtime").as("w"))
// Session Processing-time Window
.window(Session.withGap("10.minutes").on(“proctime").as("w"))
SQL 中的 Group Windows
Group Windows 定義在 SQL 查詢的 Group By 子句中.
- TUMBLE(time_attr, interval): 定義一個滾動視窗,第一個引數是時間欄位,第二個引數是視窗長度
- HOP(time_attr, interval, interval):定義一個滑動視窗,第一個引數是時間欄位,第二個引數是視窗滑動步長,第三個是視窗長度
- SESSION(time_attr, interval):定義一個會話視窗,第一個引數是時間欄位,第二個引數是視窗間隔
舉例:
Table resultSqlTable = tableEnv.sqlQuery("select id, count(id) as cnt, avg(temp) as avgTemp, tumble_end(rt, interval '10' second) " +
"from sensor group by id, tumble(rt, interval '10' second)");
Over Windows
Over window 聚合是標準 SQL 中已有的(over 子句),可以在查詢的 SELECT 子句中定義。Over window 聚合,會針對每個輸入行,計算相鄰行範圍內的聚合。Over windows 使用 window(w:overwindows*)子句定義,並在 select()方法中通過別名來引用。
Table table = input
.window([w: OverWindow] as "w")
.select("a, b.sum over w, c.min over w");
Table API 提供了 Over 類,來配置 Over 視窗的屬性。
無界 Over Windows
可以在事件時間或處理時間,以及指定為時間間隔、或行計數的範圍內,定義 Over windows。無界的 over window 是使用常量指定的。
// 無界的事件時間 over window
.window(Over.partitionBy("a").orderBy("rowtime").preceding(UNBOUNDED_RANGE).as("w"))
//無界的處理時間 over window
.window(Over.partitionBy("a").orderBy("proctime").preceding(UNBOUNDED_RANGE).as("w"))
// 無界的事件時間 Row-count over window
.window(Over.partitionBy("a").orderBy("rowtime").preceding(UNBOUNDED_ROW).as("w"))
//無界的處理時間 Row-count over window
.window(Over.partitionBy("a").orderBy("proctime").preceding(UNBOUNDED_ROW).as("w"))
有界 Over Windows
有界的 over window 是用間隔的大小指定的
// 有界的事件時間 over window
.window(Over.partitionBy("a").orderBy("rowtime").preceding("1.minutes").as("w"))
// 有界的處理時間 over window
.window(Over.partitionBy("a").orderBy("proctime").preceding("1.minutes").as("w"))
// 有界的事件時間 Row-count over window
.window(Over.partitionBy("a").orderBy("rowtime").preceding("10.rows").as("w"))
// 有界的處理時間 Row-count over window
.window(Over.partitionBy("a").orderBy("procime").preceding("10.rows").as("w"))
SQL 中的 Over Windows
用 Over 做視窗聚合時,所有聚合必須在同一視窗上定義,也就是說必須是相同的分割槽、排序和範圍。目前僅支援在當前行範圍之前的視窗。ORDER BY 必須在單一的時間屬性上指定。
SELECT COUNT(amount) OVER (
PARTITION BY user
ORDER BY proctime
ROWS BETWEEN 2 PRECEDING AND CURRENT ROW)
FROM Orders
舉例:
Table overSqlResult = tableEnv.sqlQuery("select id, rt, count(id) over ow, avg(temp) over ow " +
" from sensor " +
" window ow as (partition by id order by rt rows between 2 preceding and current row)");
函式
系統內建函式
Flink Table API 和 SQL 為使用者提供了一組用於資料轉換的內建函式。SQL 中支援的很多函式,Table API 和 SQL 都已經做了實現。
使用者自定義函式(UDF)
使用者定義函式(User-defined Functions,UDF)是一個重要的特性,它們顯著地擴充套件了查詢的表達能力。
在大多數情況下,使用者定義的函式必須先註冊,然後才能在查詢中使用。
函式通過呼叫 registerFunction()方法在 TableEnvironment 中註冊。當用戶定義的函式被註冊時,它被插入到 TableEnvironment 的函式目錄中,這樣Table API 或 SQL 解析器就可以識別並正確地解釋它。
標量函式(Scalar Functions)
使用者定義的標量函式,可以將0、1或多個標量值,對映到新的標量值。
為了定義標量函式,必須在 org.apache.flink.table.functions 中擴充套件基類 Scalar Function,並實現(一個或多個)求值(eval)方法。
標量函式的行為由求值方法決定,求值方法必須公開宣告並命名為 eval。
舉例:
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
DataStream<string> inputStream = env.readTextFile("D:\\project\\flink-demo\\src\\main\\resources\\sensor.txt");
DataStream<sensorreading> dataStream = inputStream.map((str) -> {
String[] split = str.split(" ");
return new SensorReading(split[0], Long.parseLong(split[1]), Double.parseDouble(split[2]));
});
EnvironmentSettings settings = EnvironmentSettings.newInstance()
.useOldPlanner() //基於老版本planner的流處理
.inStreamingMode()//流環境
.build();
StreamTableEnvironment tabEnv = StreamTableEnvironment.create(env, settings);
MyFunction myFunction = new MyFunction(10);
tabEnv.registerFunction("myFun", myFunction);
Table sensorTable = tabEnv.fromDataStream(dataStream,"id, timestamp as ts, temperature");
Table select = sensorTable.select("myFun(id) as fun");
tabEnv.toAppendStream(select, Row.class).print();
env.execute();
}
//實現自定義的ScalarFunction
public static class MyFunction extends ScalarFunction {
private int factor = 13;
public MyFunction(int factor) {
this.factor = factor;
}
public int eval(String s) {
return s.hashCode() * factor;
}
}
結果:
表函式(Table Functions)
使用者定義的表函式,也可以將0、1或多個標量值作為輸入引數;與標量函式不 的是,它可以返回任意數量的行作為輸出,而不是單個值。
為了定義一個表函式,必須擴充套件 org.apache.flink.table.functions 中的基類 TableFunction 並實現(一個或多個)求值方法
表函式的行為由其求值方法決定,求值方法必須是 public 的,並命名為 eval。
public static class Split extends TableFunction<tuple2<string, integer="">> {
private String separator = ",";
public Split(String separator) {
this.separator = separator;
}
public void eval(String str) {
for (String s : str.split(separator)) {
collect(new Tuple2<>(s, s.length()));
}
}
}
Split split = new Split("_");
tableEnv.registerFunction("split", split);
Table resultTable = sensorTable
.joinLateral("split(id) as (word, length)")
.select("id, ts, word, length");
聚合函式(Aggregate Functions)
使用者自定義聚合函式(User-Defined Aggregate Functions,UDAGGs)可以把一個表中的資料,聚合成一個標量值。
使用者定義的聚合函式,是通過繼承 AggregateFunction 抽象類實現的。
AggregateFunction
的工作原理如下:
- 首先,它需要一個累加器(Accumulator),用來儲存聚合中間結果的資料結構;可以通過呼叫 createAccumulator() 方法建立空累加器。
- 隨後,對每個輸入行呼叫函式的 accumulate() 方法來更新累加器。
- 處理完所有行後,將呼叫函式的 getValue() 方法來計算並返回最終結果。
測試:
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
DataStream<string> inputStream = env.readTextFile("D:\\project\\flink-demo\\src\\main\\resources\\sensor.txt");
DataStream<sensorreading> dataStream = inputStream.map((str) -> {
String[] split = str.split(" ");
return new SensorReading(split[0], Long.parseLong(split[1]), Double.parseDouble(split[2]));
});
StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env);
// 3. 將流轉換成表
Table sensorTable = tableEnv.fromDataStream(dataStream, "id, timestamp as ts, temperature as temp");
// 4. 自定義聚合函式,求當前感測器的平均溫度值
// 4.1 table API
AvgTemp avgTemp = new AvgTemp();
// 需要在環境中註冊UDF
tableEnv.registerFunction("avgTemp", avgTemp);
Table resultTable = sensorTable
.groupBy("id")
.aggregate( "avgTemp(temp) as avgtemp" )
.select("id, avgtemp");
// 4.2 SQL
tableEnv.createTemporaryView("sensor", sensorTable);
Table resultSqlTable = tableEnv.sqlQuery("select id, avgTemp(temp) " +
" from sensor group by id");
// 列印輸出
tableEnv.toRetractStream(resultTable, Row.class).print("result");
tableEnv.toRetractStream(resultSqlTable, Row.class).print("sql");
env.execute();
}
// 實現自定義的AggregateFunction
public static class AvgTemp extends AggregateFunction<double, tuple2<double,="" integer="">>{
@Override
public Double getValue(Tuple2<double, integer=""> accumulator) {
return accumulator.f0 / accumulator.f1;
}
@Override
public Tuple2<double, integer=""> createAccumulator() {
return new Tuple2<>(0.0, 0);
}
// 必須實現一個accumulate方法,來資料之後更新狀態
public void accumulate( Tuple2<double, integer=""> accumulator, Double temp ){
accumulator.f0 += temp;
accumulator.f1 += 1;
}
}
結果:
表聚合函式(Table Aggregate Functions)
使用者定義的表聚合函式(User-Defined Table Aggregate Functions, UDTAGGs),可以把一個表中資料,聚合為具有多行和多列的結果表。
使用者定義表聚合函式,是通過繼承 TableAggregateFunction 抽象類來實現的。
TableAggregateFunction
的工作原理如下:
- 首先,它同樣需要一個累加器(Accumulator),它是儲存聚合中間結果的資料結構。通過呼叫 createAccumulator() 方法可以建立空累加器。
- 隨後,對每個輸入行呼叫函式的 accumulate() 方法來更新累加器。
- 處理完所有行後,將呼叫函式的 emitValue() 方法來計算並返回最終結果。
</double,></double,></double,></double,></tuple2<string,></tuple2<boolean,>