Table API和SQL是一种关系型 API，用户可以像操作 Mysql 数据库表一样的操作数据

一、在pom中引入依赖

如果你想要使用Table API 和SQL的话，需要添加下面的依赖

<dependency>
  <groupId>org.apache.flink</groupId>
  <artifactId>flink-table-api-java-bridge_2.11</artifactId>
  <version>1.11.0</version>
</dependency>
 
<dependency>
  <groupId>org.apache.flink</groupId>
  <artifactId>flink-table-api-scala-bridge_2.11</artifactId>
  <version>1.11.0</version>
</dependency>

如果你想在 本地 IDE中运行程序，还需要添加下面的依赖

<dependency>
  <groupId>org.apache.flink</groupId>
  <artifactId>flink-table-planner-blink_2.11</artifactId>
  <version>1.11.0</version>
</dependency>

<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-table-planner_2.11</artifactId>
    <version>1.11.1</version>
</dependency>

如果你用到了老的执行引擎，还需要添加下面这个依赖

    org.apache.flink
    flink-table-planner_2.11
    1.11.1

二、创建tableEnviroment对象

2.1 如果Table API和SQL不需要和DataStream或者DataSet互相转换

则针对stream和batch都可以使用TableEnvironment

   //指定底层使用blink引擎，及数据处理模式-stream
   val sSetting = EnvironmentSettings.newInstance().useBlinkPlanner()
                 .inStreamingMode().build()
 
   val sTableEnv = TableEnvironment.create(sSetting)
 
 
   //指定底层使用blink引擎，及数据处理模式-batch
    val sSettings = EnvironmentSettings.newInstance().useBlinkPlanner()
                   .inBatchMode().build()
    //创建TableEnvironment对象
    val sTableEnv = TableEnvironment.create(sSettings)

2.2 如果Table API和SQL需要和DataStream或者DataSet互相转换

•  针对stream需要使用StreamTableEnvironment
•  针对batch需要使用BatchTableEnvironment

    #针对stream需要使用StreamTableEnvironment
    
    val ssEnv = StreamExecutionEnvironment.getExecutionEnvironment
    val ssSettings = EnvironmentSettings.newInstance().useBlinkPlanner().
    inStreamingMode().build()
    val ssTableEnv = StreamTableEnvironment.create(ssEnv, ssSettings)
 
    #针对batch需要使用BatchTableEnvironment
    val bbEnv = ExecutionEnvironment.getExecutionEnvironment
    val bb = BatchTableEnvironment.create(bbEnv);
 

三、Table API和 SQL的使用

3.1 创建表

   sTableEnv.executeSql("create table myTable(id int,name String)\n" +
      ") with(\n" +
      "'connector.type'='filesystem',\n" +
 
      "'connector.path'='D:\\bigdata/source',\n" +
 
      "'connector.type'='csv'\n"+
      ")"
    )

• connector.type’ = ‘filesystem’说明外部连接器的类型为文件系统，
• ‘connector.path’ ='D:\\bigdata/source’指定了外部文件系统连接器的文件路径，
• ‘format.type’ = 'csv’则说明文件系统的数据格式为CSV。
• csv是以纯文本的形式存储表格数据,逗号分隔值文件格式

3.2 使用sql 实现数据查询和过滤操作

  val result = sTableEnv.sqlQuery("select id,name from myTable where id>1")

 3.3 使用table实现数据查询和过滤操作

    import org.apache.flink.table.api._
 
    val result =  sTableEnv.from("myTable").select($"id",$"name").filter($"id" >1)
 

四、异常：Static methods in interface require -target:jvm-1.8

 解决办法：在File -> Settings中按图设置即可：-target:jvm-1.8