FlinkSql之TableAPI详解

一、FlinkSql的概念

核心概念

Flink 的 Table API 和 SQL 是流批统一的 API。 这意味着 Table API & SQL 在无论有限的批式输入还是无限的流式输入下，都具有相同的语义。 因为传统的关系代数以及 SQL 最开始都是为了批式处理而设计的， 关系型查询在流式场景下不如在批式场景下容易理解.

动态表和连续查询

动态表(Dynamic Tables) 是 Flink 的支持流数据的 Table API 和 SQL 的核心概念。

与表示批处理数据的静态表不同，动态表是随时间变化的。可以像查询静态批处理表一样查询它们。查询动态表将生成一个连续查询(Continuous Query)。一个连续查询永远不会终止，结果会生成一个动态表。查询不断更新其(动态)结果表，以反映其(动态)输入表上的更改。

TableAPI

首先需要导入依赖

 <dependency>
     <groupId>org.apache.flinkgroupId>
     <artifactId>flink-table-planner-blink_${scala.binary.version}artifactId>
     <version>${flink.version}version>
     <scope>providedscope>
 dependency>
 <dependency>
     <groupId>org.apache.flinkgroupId>
     <artifactId>flink-streaming-scala_${scala.binary.version}artifactId>
     <version>${flink.version}version>
     <scope>providedscope>
 dependency>
 <dependency>
     <groupId>org.apache.flinkgroupId>
     <artifactId>flink-csvartifactId>
     <version>${flink.version}version>
 dependency>
 <dependency>
     <groupId>org.apache.flinkgroupId>
     <artifactId>flink-jsonartifactId>
     <version>${flink.version}version>
 dependency>
 ​
 
 <dependency>
     <groupId>org.apache.commonsgroupId>
     <artifactId>commons-compressartifactId>
     <version>1.21version>
 dependency>

 /**
  * 使用TableAPI的基本套路：
  * 1.创建表的执行环境
  * 2.创建表，将流转换为动态表，表的字段名从bean的属性名自动抽取
  * 3.对动态表进行查询
  * 4.把动态表转换为流
  */

这里需要注意的问题：

1.TableAPI 中将动态表转换为流时有两种方法

 DataStream<Row> rowDataStream = tableEnvironment.toAppendStream(result, Row.class);

toAppendStream方法只能在查询时使用，不能使用包含聚合函数等更新语句

 DataStream<Tuple2<Boolean, Row>> tuple2DataStream = tableEnvironment.toRetractStream(select, Row.class);

toRetractStream则可以使用

2.上述两种方法内传入的参数Row.class，表示将表中查询出的数据封装为行类型，也就是对每行进行封装，解决查询出的数据列少于或者多于原表。如何能够确保所查询的数据与之前封装的Bean有完全一致的结构则也可以封装为原Bean.class

代码实现：

 package net.cyan.FlinkSql;
 ​
 import net.cyan.POJO.WaterSensor;
 import org.apache.flink.api.common.functions.FilterFunction;
 import org.apache.flink.api.java.tuple.Tuple2;
 import org.apache.flink.configuration.Configuration;
 import org.apache.flink.streaming.api.datastream.DataStream;
 import org.apache.flink.streaming.api.datastream.DataStreamSource;
 import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
 import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
 import org.apache.flink.table.api.Table;
 import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
 import org.apache.flink.types.Row;
 ​
 import static org.apache.flink.table.api.Expressions.$;
 ​
 /**
  * 使用TableAPI的基本套路：
  * 1.创建表的执行环境
  * 2.创建表，将流转换为动态表，表的字段名从bean的属性名自动抽取
  * 3.对动态表进行查询
  * 4.把动态表转换为流
  */
 public class Demo1 {
     public static void main(String[] args) {
         Configuration configuration=new Configuration();
         configuration.setInteger("rest.port",3333);
         //创建执行环境
         StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(configuration);
         env.setParallelism(1);
         //模拟数据
         DataStreamSource<WaterSensor> WaterSensorSource = env.fromElements(
                 new WaterSensor("S1", 1000L, 10),
                 new WaterSensor("S1", 1000L, 10),
                 new WaterSensor("S2", 2000L, 20),
                 new WaterSensor("S3", 3000L, 30),
                 new WaterSensor("S4", 4000L, 40),
                 new WaterSensor("S5", 5000L, 50)
         );
         //创建表的执行环境
         StreamTableEnvironment tableEnvironment = StreamTableEnvironment.create(env);
         //创建表，将流转换为动态表，表的字段名从bean的属性名自动抽取
         Table table = tableEnvironment.fromDataStream(WaterSensorSource);
         //对表进行查询
         //1、过时的查询书写
         Table result = table
                 .where("id='S1'")
                 .select("*");
         //2、不过时的书写
         Table result1 = table
 //                .where($("id").isEqual("S1"))
                 .select($("id"), $("ts"), $("vc"));
         //3.聚合函数
         Table select = table
                 .groupBy($("id"))
                 .aggregate($("vc").sum().as("sum_vc"))
                 .select($("id"), $("sum_vc"));
         //把动态表转换为流，使用到了之前创建的表运行环境
 ​
         SingleOutputStreamOperator<Row> tuple2DataStream = tableEnvironment
                 .toRetractStream(select, Row.class)
                 .filter(t -> t.f0)
                 .map(t -> t.f1);
 //        DataStream rowDataStream = tableEnvironment.toAppendStream(result, Row.class);
 //        DataStream rowDataStream1 = tableEnvironment.toAppendStream(result1, Row.class);
 //        rowDataStream.print();
 //        rowDataStream1.print();
         tuple2DataStream.print();
 ​
 ​
         try {
             //启动执行环境
             env.execute();
         } catch (Exception e) {
             e.printStackTrace();
         }
 ​
 ​
 ​
     }
 }

 

二、TableAPI读取文件

使用TableAPI读取文件时，我们首先需要知道去哪里读取也就是文件路径、读取文件的格式、读取出来的数据的结构也就是结果表的表结构及表名

 package net.cyan.FlinkSql;
 ​
 import org.apache.flink.configuration.Configuration;
 import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
 ​
 import org.apache.flink.table.api.DataTypes;
 import org.apache.flink.table.api.Table;
 import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
 import org.apache.flink.table.descriptors.Csv;
 import org.apache.flink.table.descriptors.FileSystem;
 import org.apache.flink.table.descriptors.Schema;
 import org.apache.flink.table.types.DataType;
 ​
 import static org.apache.flink.table.api.Expressions.$;
 ​
 public class Demo2_readWriteText {
     public static void main(String[] args) {
         //创建执行环境
 //        Configuration configuration = new Configuration();
 //        configuration.setInteger("rest.port", 3333);
         StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
         env.setParallelism(1);
         StreamTableEnvironment talEnv = StreamTableEnvironment.create(env);
         //创建查询的数据结果封装类型
         Schema schema = new Schema()
                 .field("id", DataTypes.STRING())
                 .field("ts", DataTypes.BIGINT())
                 .field("vc", DataTypes.INT());
         talEnv
                 .connect(new FileSystem().path("input/sensor.txt"))  //读取文件路径
                 .withFormat(new Csv()) //读取文件的数据格式
                 .withSchema(schema) //读取出来的数据格式
                 .createTemporaryTable("sensor");//定义结果表名
 ​
         //进行查询
         Table select = talEnv.from("sensor")
                 .where($("id").isEqual("sensor_1"))
                 .select($("id"), $("ts"), $("vc"));
 ​
 ​
         //将查询结果写入到新文件中
         //同样建立一个动态表连接
         talEnv
                 .connect(new FileSystem().path("input/b.txt"))  //写入路径
                 .withFormat(new Csv()) //写入文件的数据格式
                 .withSchema(schema) //写入的数据格式
                 .createTemporaryTable("abc");//定义写入表名
         //进行写入操作
 ​
         select.executeInsert("abc");
 ​
 //        try {
 //            //启动执行环境
 //            env.execute();
 //        } catch (Exception e) {
 //            e.printStackTrace();
 //        }
 ​
     }
 }

 

三、TableAPI 读取、写入Kakfa

基本流程

1>需要创建表的运行环境

 //创建表的运行环境
 StreamTableEnvironment tabEnv = StreamTableEnvironment.create(env);

2>创建查询出的数据写出结构

 //创建表结构
 Schema schema=new Schema()
         .field("id",DataTypes.STRING())
         .field("ts",DataTypes.BIGINT())
         .field("vc",DataTypes.INT());

3> 创建kafka连接

 //创建kafka连接
 tabEnv.connect(
         new Kafka()
         .version("universal")// 版本号
         .property("bootstrap.servers","hadoop102:9092")//地址
         .property("group.id","cy")//消费者组
         .topic("first")//消费主题
 ​
  )
         .withFormat(new Json())//写入的格式
         .withSchema(schema)
         .createTemporaryTable("a");//临时表

4> 进行查询

 //创建表
 Table select = tabEnv.from("a").select("*");

5> 创建写入kafka连接

 //创建写入主题
 tabEnv.connect(
         new Kafka()
                 .version("universal")// 版本号
                 .property("bootstrap.servers","hadoop102:9092")//地址
                 .topic("first1")//消费主题
                 .sinkPartitionerRoundRobin()//随机分区
 ​
 )
         .withFormat(new Json())//写入的格式
         .withSchema(schema)
         .createTemporaryTable("c");

6> 写入

 //写入
 select.executeInsert("c");

完整代码如下

 package net.cyan.FlinkSql;
 ​
 import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
 import org.apache.flink.table.api.DataTypes;
 import org.apache.flink.table.api.Table;
 import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
 import org.apache.flink.table.descriptors.Json;
 import org.apache.flink.table.descriptors.Kafka;
 import org.apache.flink.table.descriptors.Schema;
 ​
 public class Demo5_readWriteKafka {
     public static void main(String[] args) {
        //创建执行环境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
         //创建表的运行环境
         StreamTableEnvironment tabEnv = StreamTableEnvironment.create(env);
         //创建表结构
         Schema schema=new Schema()
                 .field("id",DataTypes.STRING())
                 .field("ts",DataTypes.BIGINT())
                 .field("vc",DataTypes.INT());
         //创建kafka连接
         tabEnv.connect(
                 new Kafka()
                 .version("universal")// 版本号
                 .property("bootstrap.servers","hadoop102:9092")//地址
                 .property("group.id","cy")//消费者组
                 .topic("first")//消费主题
 ​
          )
                 .withFormat(new Json())//写入的格式
                 .withSchema(schema)
                 .createTemporaryTable("a");
         //创建表
         Table select = tabEnv.from("a").select("*");
         //创建写入主题
         tabEnv.connect(
                 new Kafka()
                         .version("universal")// 版本号
                         .property("bootstrap.servers","hadoop102:9092")//地址
                         .topic("first1")//消费主题
                         .sinkPartitionerRoundRobin()//随即分区
 ​
         )
                 .withFormat(new Json())//写入的格式
                 .withSchema(schema)
                 .createTemporaryTable("c");
 ​
         //写入
         select.executeInsert("c");
 ​
 ​
     }
 }