一、基本代码结构
<!--需要引入如下依赖
<dependency>
<!-- 用于把sql生成一个执行计划,旧版本;新版本一般带有blink的 -->
<groupId>org.apache.flink</groupId>
<artifactId>flink-table-planner_${scala.binary.version}</artifactId>
<version>${flink.version}</version>
</dependency>
<dependency>
<!-- 桥接器,用于转换tableapi和datastream,分为scala或者java版本 -->
<groupId>org.apache.flink</groupId>
<artifactId>flink-table-api-scala-bridge_${scala.binary.version}</artifactId>
<version>${flink.version}</version>
</dependency>-->
package tableapi
import datasource.SensorReading
import org.apache.flink.streaming.api.TimeCharacteristic
import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.Table
import org.apache.flink.table.api.scala._ //隐式转换
object TableAPITest {
def main(args: Array[String]): Unit = {
val env = StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)
val outputTag = new OutputTag[SensorReading]("side")
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
env.getConfig.setAutoWatermarkInterval(5000)
val inputStream: DataStream[String] = env.socketTextStream("127.0.0.1",7777)
val dataStream : DataStream[SensorReading]= inputStream.map(data=>{
val arr: Array[String] = data.split(",")
SensorReading(arr(0),arr(1).trim.toLong,arr(2).trim.toDouble)
})
//创建表执行环境
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env)
//TableEnvironment是flink中集成Table API 和 SQL的核心概念,所有对表的操作都是基于TableEnvironment
//如:注册cataLog、在catalog中注册表、执行SQL查询、注册用户自定义函数
//第一种方式
//基于流创建一个表,默认转换后的的Table Schema和DataStream中的字段一一对应,也可以单独指定处理
val dataTable: Table = tableEnv.fromDataStream(dataStream)
//val dataTable: Table = tableEnv.fromDataStream(dataStream,"id","temperature","timestamp")
//基于名称作字段转换,可以调换顺序,而且使用timestamp作为字段名会报错
//val dataTable: Table = tableEnv.fromDataStream(dataStream , 'timestamp as 'ts , 'id as 'myid , 'temperature)
//基于位置作字段转换,根据字段的顺序重命名
//val dataTable: Table = tableEnv.fromDataStream(dataStream , 'myid , 'ts)
//调用tableapi进行转换
val resultTable: Table = dataTable.select("id , temperature")
.filter("id == 'sensor_1'")
//把Table类型转换成流类型,并输出
resultTable.toAppendStream[(String,Double)].print("data = ")
//第二种方式,通过sql执行
tableEnv.createTemporaryView("dataTable",dataTable)
val sql: String = "select id,temperature from dataTable where id='sensor_1'"
val sqlResTable: Table = tableEnv.sqlQuery(sql)
sqlResTable.toAppendStream[(String,Double)].print("sql resData = ")
env.execute("Table API Test")
}
}
1.2、基本编程结构
//基本编程结构
val tableEnv
//创建一个表,用于读取数据
tableEnv.connect().createTemporaryTable("inputTable")
//创建一个表,用于把计算结果输出
tableEnv.connect().createTemporaryTable("outputTable")
//通过Table API 查询算子,得到一张结果表
val result = tableEnv.from("inputTable").select()
//通过sql查询语句,得到一张结果表
val result = tableEnv.sqlQuery()
//将结果写入输出表中
result.insertInto("outputTable")
1.3、Table环境的创建
package tableapi
import org.apache.flink.api.scala.ExecutionEnvironment
import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.{EnvironmentSettings, TableEnvironment}
import org.apache.flink.table.api.scala.{BatchTableEnvironment, StreamTableEnvironment}
object TableAPITest2 {
def main(args: Array[String]): Unit = {
val env = StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)
//创建表执行环境
val tableEnv: Any = StreamTableEnvironment.create(env)
//1.1 基于老版本planner的流处理
val settings = EnvironmentSettings.newInstance()
.useOldPlanner()
.inStreamingMode()
.build()
val oldStreamTableEnv = StreamTableEnvironment.create(env , settings)
//1.2 基于老版本的批处理
val batchEnv = ExecutionEnvironment.getExecutionEnvironment
val oldBatchTableEnc: BatchTableEnvironment = BatchTableEnvironment.create(batchEnv)
//1.3 基于blink planner 的流处理
val blinkStreamSettings = EnvironmentSettings.newInstance()
.useBlinkPlanner()
.inStreamingMode()
.build()
val blinkStreamTableEnv = StreamTableEnvironment.create(env , blinkStreamSettings)
//1.4 基于blink planner 的批处理
val blinkBatchSettings = EnvironmentSettings.newInstance()
.useBlinkPlanner()
.inBatchMode()
.build()
val blinkBatchTableEnv: TableEnvironment = TableEnvironment.create(blinkBatchSettings)
}
}
二、表(Table)
- TableEnvironment可以注册Catalog,并可以基于Catalog注册表
- 表Table是由一个“标识符”来指定的,由三个部分组成:Catalog名、数据库(database)和对象名,如果不指定则默认为default
- 表可以是常规的Table,也可以是虚拟的视图View
- 常规表一般可以用来描述外部数据,比如文件、数据库或者消息队列的数据,也可以直接从DataStream转换而来
- 视图View可以从现有的表中创建,通常是Table API或者SQL查询的一个结果集
2.1、创建表
- TableEnvironment可以调用 .connect() 方法,连接外部系统,并调用 .createTemporaryTable() 方法,在Catalog中注册表
```scala import org.apache.flink.api.scala.ExecutionEnvironment import org.apache.flink.streaming.api.scala. import org.apache.flink.table.api.{DataTypes, EnvironmentSettings, Table, TableEnvironment} import org.apache.flink.table.api.scala. import org.apache.flink.table.descriptors.{Csv, FileSystem, Kafka, Schema}
tableEnv .connect() //定义表的数据来源,和外部系统建立连接 .withFormat() //定义数据格式化方法 .withSchema() //定义表结构 .createTemporaryTable() //创建临时表
如: //2.1 从文件读取数据 tableEnv .connect(new FileSystem().path(“path/sensor.txt”)) //定义连接到文件系统 .withFormat(new Csv()) //指定以csv的格式进行数据格式化 .withSchema(new Schema() .field(“id”,DataTypes.STRING()) .field(“timestamp”,DataTypes.BIGINT()) .field(“temperature”,DataTypes.DOUBLE()) ) .createTemporaryTable(“sensorTable”) //
val inputTable: Table = tableEnv.from(“sensorTable”) //基于注册好的表,转换成Table类型的数据 inputTable.toAppendStream[(String,Long,Double)].print()
//2.2 从kafka读取数据 tableEnv.connect(new Kafka() .version(“0.11”) .topic(“sensor”) .property(“zookeeper.connect”,”localhost:2181”) .property(“bootstrap.servers”,”localhost:9092”) ) .withFormat(new Csv) .withSchema(new Schema() .field(“id”,DataTypes.STRING()) .field(“timestamp”,DataTypes.BIGINT()) .field(“temperature”,DataTypes.DOUBLE()) ) .createTemporaryTable(“kafkaInputTable”)
//2.3 创建ES的连接 tableEnv.connect( new Elasticsearch() .version(“6”) .host(“localhost”, 9200, “http”) .index(“sensor”) .documentType(“temp”) ) .inUpsertMode() // 指定是 Upsert 模式 .withFormat(new Json()) .withSchema( new Schema() .field(“id”, DataTypes.STRING()) .field(“count”, DataTypes.BIGINT()) ) .createTemporaryTable(“esOutputTable”); aggResultTable.insertInto(“esOutputTable”);
<a name="rdbx4"></a>
## 2.2、输出表
- 表的输出,是通过将数据写入TableSink来实现
- TableSink是一个通用接口,可以支持不同的文件格式、存储数据和消息队列
- 数据表最直接的方法就是,通过Table.insertInto() 的方法将一个Table写入到注册后的TableSink中
- 如resultTable.insertInto("outputTable")
```scala
package tableapi
import datasource.SensorReading
import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.{DataTypes, GroupedTable, Table}
import org.apache.flink.table.api.scala._
import org.apache.flink.table.descriptors.{Csv, FileSystem, Schema}
object FileOutPutTest {
def main(args: Array[String]): Unit = {
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env)
val inputStream: DataStream[String] = env.socketTextStream("127.0.0.1",7777)
val dataStream = inputStream.map(data=>{
val arr: Array[String] = data.split(",")
SensorReading(arr(0).trim , arr(1).trim.toLong , arr(2).trim.toDouble)
})
val inputTable: Table = tableEnv.fromDataStream(dataStream)
tableEnv.createTemporaryView("inputTable" , inputTable)
//1.1 简单转换1
val resultTable1: Table = tableEnv.sqlQuery("select * from inputTable where id = 'sensor_1'")
//1.2 简单转换2
val resultTable2: Table = inputTable.select('id , 'timestamp , 'temperature).filter('id === "sensor_1")
resultTable2.toAppendStream[(String,Long,Double)].print("result")
//1.3 聚合转换
val aggTable = inputTable
.groupBy('id) //基于id进行分组
.select('id , 'id.count as 'count) //返回id 和 id数量 两个字段
aggTable.toRetractStream[(String,Long)].print("agg") // 聚合后的Table需要toRetractStream转换成DataStream,会输出一个带有Boolean的参数表示数据是否有效,旧的结果为false,最新的结果为true
//2.1 输出到文件,而聚合操作是不能写到文件系统的
tableEnv.connect(new FileSystem().path("C:\\ideaworkshop\\FlinkDemo\\LearnFirst\\src\\main\\resources\\tableApiOutput.txt"))
.withFormat(new Csv)
.withSchema(new Schema()
.field("id",DataTypes.STRING())
.field("timestamp",DataTypes.BIGINT())
.field("temperature",DataTypes.DOUBLE())
)
.createTemporaryTable("outputTable")
resultTable2.insertInto("outputTable")
env.execute("FileOutPut Test")
}
}
2.3、更新模式
- 对于流式查询,需要声明如何在表和外部连接器之间执行转换
- 与外部系统交换的消息类型,由更新模式(Update Mode)指定
追加模式(Append)
—表只是做插入操作,和外部连接器只交换插入消息。
撤回模式(Retract)
—表和外部连接器交换添加(Add)和撤回(Retract)消息
—插入(Insert)操作编码为Add消息;删除(Delete)编码为Retract消息;更新(Update)编码为上一条的Retract和下一条的Add消息
更新插入模式(Upsert)
—更新和插入都被编码为Upsert消息;删除编码为Delete消息。
2.4、查看执行计划
- Table API提供了一种机制来解释计算表的逻辑和优化查询计划
- 可以通过TableEnvironment.explain(table) 方法 或 TableEnvironment.explain() 方法完成,返回一个字符串,描述三个计划
- 优化前的逻辑查询计划
- 优化后的逻辑查询计划
- 实际执行计划
2.5、流处理和关系代数的区别
关系代数(表)/SQL | 流处理 | |
---|---|---|
处理的数据对象 | 字段元组的有界集合 | 字段元组的无限序列 |
查询对数据的访问 | 可以访问到完整的数据输入 | 无法访问所有数据,必须持续“等待”流式输入 |
查询终止条件 | 生成固定大小的结果集后终止 | 永不停止,根据持续收到的数据不断更新查询结果 |
2.6、动态表
- 动态表是Flink对流数据的Table API 和 SQL支持的核心概念
- 与表示批处理数据的静态表不同,动态表是随时间变化的(随着数据的到来更新变化)
持续查询(Continuous Query)
- 动态表可以像静态的批处理一样进行查询,查询一个动态表会产生持续查询(Continuous Query)
- 连续查询永远不会终止,并会生成另一个动态表
- 查询会不断更新其动态结果表,以反映其动态输入表上的更改
动态表和持续查询(流式表查询的处理过程)
1、流被转换为动态表
2、对动态表计算查询查询,生成新的动态表
3、生成的动态表被转换成流
2.7、Table和DataStream转换
1、追加模式AppendMode:用于表只被插入的场景
sqlResTable.toAppendStream[(String,Double)].print("sql resData = ")
或tableEnv.toAppendStream[(String,Double)](sqlResTable)
2、撤回模式RetractMode:
- 用于任何场景,类似于更新模式的Retract,只有Insert和Delete两类操作
- 得到的数据会增加一个Boolean类型的标识位,用来表示新增还是删除的的数据
tableEnv.toRetractStream()[(String,Double)](sqlAggTable)
三、时间特性
- 基于时间的操作(比如Table API和SQL中的窗口操作),需要定义相关的事件语义和事件数据来源的信息
- Table可以提供一个逻辑上的时间字段(即原来数据没有的),用于在表处理程序中,指示时间和访问相应的时间戳
- 时间属性,可以是每个表schema的一部分。一旦定义了时间属性,它就可以作为一个字段引用,并且可以在基于时间的操作中使用
- 时间属性的行为类似于常规时间戳(timestamp),可以访问,并且进行计算
3.1、定义处理时间(ProcessingTime)
- 处理时间语义下,允许表处理程序根据机器的本地时间生成结果。它是时间的最简单概念。它既不需要提取时间戳,也不需要生成watermark
1、由DataStream转换成表时指定
- 在定义Schema期间,可以使用 .proctime ,指定字段名定义处理时间字段
- 这个proctime属性只能通过附件逻辑字段,来扩展物理schema。因此,只能在schema定义末尾定义它 ```scala val sensorTable = tableEnv.fromDataStream(dataStream,’id,’temperature,’timestamp,’pt.proctime)
package tableapi import datasource.SensorReading import org.apache.flink.streaming.api.TimeCharacteristic import org.apache.flink.streaming.api.scala. import org.apache.flink.table.api.{DataTypes, Table} import org.apache.flink.table.api.scala. import org.apache.flink.table.descriptors.{Csv, FileSystem, Schema} import org.apache.flink.types.Row object ProcessingTimeDemo { def main(args: Array[String]): Unit = { val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime)
env.setParallelism(1)
val inputStream: DataStream[String] = env.socketTextStream("127.0.0.1",7777)
val dataStream : DataStream[SensorReading]= inputStream.map(data=>{
val arr: Array[String] = data.split(",")
SensorReading(arr(0),arr(1).trim.toLong,arr(2).trim.toDouble)
})
//创建表执行环境
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env)
//第一种方式
//指定Processing Time
val inputTable: Table = tableEnv.fromDataStream(dataStream,'id,'timestamp as 'ts,'temperature,'pt.proctime)
tableEnv.createTemporaryView("inputTable" , inputTable)
inputTable.printSchema()
tableEnv.sqlQuery("select id,pt,temperature,ts from inputTable").toAppendStream[Row].print()
//第二种方式,指定Processing Time
tableEnv.connect(new FileSystem().path("C:\\ideaworkshop\\FlinkDemo\\LearnFirst\\src\\main\\resources\\sensor.txt"))
.withSchema(new Schema()
.field("id",DataTypes.STRING())
.field("timestamp",DataTypes.BIGINT())
.field("temperature",DataTypes.DOUBLE())
.field("pt",DataTypes.TIMESTAMP(3)).proctime //追加一个字段,类型为DataTypes.TIMESTAMP(3),且指定该字段为proctime,但是这种方法不是所有的都支持,如kafka的连接器不支持
)
.withFormat(new Csv)
.createTemporaryTable("fileTable")
//第三种,在DDL里定义
env.execute("ProcessingTimeDemo")
} }
<a name="gFbCx"></a>
## 3.2、定义事件时间(Event Time)
- 事件事件语义,允许表处理程序根据每个记录中包含的时间生成结果。这样即使在有乱序事件或者延迟事件时,也可以获得争取二点结果。
- 为了处理无序事件,并区分流中的准时和迟到事件;Flink需要从事件数据中提取时间戳,并用来推进事件事件的进展
- 定义事件时间,有三种方法:
- 由DataStream转换成Table时指定,使用 .rowTime 可以定义事件事件属性
- 定义Table Schema时指定
- 在创建表的DDL中定义
```scala
package tableapi
import datasource.SensorReading
import org.apache.flink.streaming.api.TimeCharacteristic
import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.{DataTypes, Table}
import org.apache.flink.table.api.scala._
import org.apache.flink.table.descriptors.{Csv, FileSystem, Rowtime, Schema}
object EventTimeDemo {
def main(args: Array[String]): Unit = {
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
env.setParallelism(1)
val inputStream: DataStream[String] = env.socketTextStream("127.0.0.1",7777)
val dataStream : DataStream[SensorReading]= inputStream.map(data=>{
val arr: Array[String] = data.split(",")
SensorReading(arr(0),arr(1).trim.toLong,arr(2).trim.toDouble)
})
//创建表执行环境
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env)
//第一种方式,在转换DataStream时指定EventTime,
val inputTable1: Table = tableEnv.fromDataStream(dataStream,'id,'timestamp.rowtime as 'ts,'temperature)//指定timestamp为时间字段
val inputTable2: Table = tableEnv.fromDataStream(dataStream,'id,'timestamp as 'ts,'temperature,'rt.rowtime)//或者直接追加一个新的时间字段
tableEnv.createTemporaryView("inputTable" , inputTable2)
//第二种方式,定义schema时指定
tableEnv.connect(new FileSystem().path("C:\\ideaworkshop\\FlinkDemo\\LearnFirst\\src\\main\\resources\\sensor.txt"))
.withFormat(new Csv)
.withSchema(new Schema()
.field("id",DataTypes.STRING())
.field("timestamp",DataTypes.BIGINT())
.field("temperature",DataTypes.DOUBLE())
.rowtime(new Rowtime()
.timestampsFromField("timestamp") //从字段中提取时间戳,这里指定字段也可以是一个新的字段,
.watermarksPeriodicBounded(1000) //watermark延迟1秒
)
)
//第三种,使用DDL定义
}
}
四、窗口
在Table API 和 SQL中,主要有两种窗口
- Group Windows(分组窗口)
- 根据时间或行计数间隔,将行聚合到有限的组(Group)中,并对每个组的数据执行一次聚合函数(使用group by)
```scala
val table = input.window([w:GroupWindow] as ‘w) // 定义窗口,别名为w
//Table API提供了一组具有特定语义的预定义Window类,这些类会被转换为底层DataStream或者DataSet //滚动窗口Tumble .window(Tumble over 10.minutes on ‘rowtime as ‘w) //事件事件滚动窗口 .window(Tumble over 10.minutes on ‘proctime as ‘w)//处理事件滚动窗口 .window(Tumble over 10.rows on ‘proctime as ‘w)//滚动计数窗口,会根据proctime排序,每10行数据取一组.groupBy('w,'a) //按照字段a 和 窗口w分组;如果不指定字段a,则相当于没有keyBy,直接使用windowAll .select('a,'b.sum) //聚合
- 根据时间或行计数间隔,将行聚合到有限的组(Group)中,并对每个组的数据执行一次聚合函数(使用group by)
```scala
val table = input.window([w:GroupWindow] as ‘w) // 定义窗口,别名为w
//滑动窗口Slide .window(Slide over 10.minutes every 5.minutes on ‘rowtime as ‘w) //滑动事件时间窗口 .window(Slide over 10.minutes every 5.minutes on ‘proctime as ‘w) //滑动处理时间窗口 .window(Slide over 10.rows every 5.rows on ‘proctime as ‘w) //滑动计数窗口
//会话窗口Session .window(Session withGap 10.minutes on ‘rowtime as ‘w) //会话事件时间窗口,相隔超过10分钟,会话关闭 .window(Session withGap 10.minutes on ‘proctime as ‘w) //会话事件时间窗口
//SQL中的Group Windows //在SQL中定义窗口,需要定义在Group By子句中 TUMBLE(time_attr,interval)//滚动窗口,第一个参数是时间字段,第二个参数是窗口长度 HOP(time_attr,interval,interval)//滑动窗口,第一个参数是时间字段,第二个参数是窗口滑动步长,第三个参数是窗口长度 SESSION(time_attr,interval)//会话窗口,第一个参数是时间字段,第二个参数是窗口间隔
- **Over Windows**
- 针对每个输入行,计算相邻行范围内(很多行)的聚合
- Over Window聚合是标准sql中已有的(Over子句),可以在查询的SELECT子句中定义
- Over Window 使用window(w:overwindow*)子句定义,并在select()方法中通过别名来定义
```scala
val table = input.window([w:OverWindow] as 'w)
.select('a , 'b.sum over 'w , 'c.min over 'w)
//无界Over Windows
//可以在时间时间或者处理时间,以及指定时间为时间间隔、或行计数的范围内,定义Over Windows
//1、无界的事件时间over windows
.window(Over partitionBy 'a orderBy 'rowtime preceding UNBOUNDED_RANGE as 'w) //排序字段不可少
//2、无界的处理时间over windows
.window(Over partitionBy 'a orderBy 'proctime preceding UNBOUNDED_RANGE as 'w)
//3、无界的事件时间Row-Count over windows
.window(Over partitionBy 'a orderBy 'rowtime preceding UNBOUNDED_ROW as 'w)
//4、无界的处理时间Row-Count over windows
.window(Over partitionBy 'a orderBy 'proctime preceding UNBOUNDED_ROW as 'w)
//有界的over window是用间隔大小来指定的
//1、有界的事件时间over windows
.window(Over partitionBy 'a orderBy 'rowtime preceding 1.minutes as 'w) //排序字段不可少
//2、有界的处理时间over windows
.window(Over partitionBy 'a orderBy 'proctime preceding 1.minutes as 'w)
//3、有界的事件时间Row-Count over windows
.window(Over partitionBy 'a orderBy 'rowtime preceding 10.rows as 'w)
//4、有界的处理时间Row-Count over windows
.window(Over partitionBy 'a orderBy 'proctime preceding 10.rows as 'w)
//SQL的例子
//使用Over做窗口聚合时,所有聚合必须在同一窗口上定义,也就是必须是相同的分区、排序和范围
//目前仅支持在当前行范围之前的窗口
//ORDER BY 必须在单一的时间属性上指定
select count(amount) OVER(
PARTITION BY user
ORDER BY proctime
ROWS BETWEEN 2 PRECEDING AND CURRENT NOW
)
4.1、具体代码demo
package tableapi
import datasource.SensorReading
import org.apache.flink.streaming.api.TimeCharacteristic
import org.apache.flink.streaming.api.functions.timestamps.BoundedOutOfOrdernessTimestampExtractor
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.windowing.time.Time
import org.apache.flink.table.api.{Over, OverWindow, Table, Tumble}
import org.apache.flink.table.api.scala._
import org.apache.flink.types.Row
object TableWindowDemo {
def main(args: Array[String]): Unit = {
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
env.setParallelism(1)
val inputStream: DataStream[String] = env.readTextFile("C:\\ideaworkshop\\FlinkDemo\\LearnFirst\\src\\main\\resources\\TableWindowDemo.txt")
val dataStream : DataStream[SensorReading]= inputStream.map(data=>{
val arr: Array[String] = data.split(",")
SensorReading(arr(0),arr(1).trim.toLong,arr(2).trim.toDouble)
}).assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor[SensorReading](Time.seconds(3)) {
override def extractTimestamp(element: SensorReading): Long = element.timestamp * 1000L
})
//创建表执行环境
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env)
val inputTable: Table = tableEnv.fromDataStream(dataStream,'id,'timestamp.rowtime as 'ts,'temperature)//指定timestamp为时间字段
//一、Group Window
//1、table api实现
val resTable = inputTable.window(Tumble over 10.seconds on 'ts as 'w) //每10秒统计一次,滚动时间窗口
.groupBy('w , 'id)
.select('id , 'id.count , 'temperature.avg , 'w.end)
//2、sql实现
tableEnv.createTemporaryView("sensor",inputTable)
val resultTable:Table = tableEnv.sqlQuery(
"""
|select
| id ,
| count(id) ,
| avg(temperature),
| tumble_end(ts , interval '10' second)
| from sensor
| group by
| id ,
| tumble(ts , interval '10' second)
""".stripMargin)
// resTable.toRetractStream[Row].print("result")
// resultTable.toRetractStream[Row].print("sql")
//二、Group Window
//统计每个sensor每条数据,与之前两行数据的平均温度
//1、table api实现
val overresultTable = inputTable.window( Over partitionBy 'id orderBy 'ts preceding 2.rows as 'ow)
.select('id , 'ts , 'id.count over 'ow , 'temperature.avg over 'ow)
overresultTable.toAppendStream[Row].print("overWindow")
//2、sql实现
tableEnv.sqlQuery(
"""
|select
| id,
| ts,
| count(id) over ow,
| avg(temperature) over ow
|from sensor
|window ow as (
| partition by id
| order by ts
| rows between 2 preceding and current row
|)
""".stripMargin
)
env.execute("Window Test")
}
}
五、函数
5.1、基本代码
package udf
import datasource.SensorReading
import org.apache.flink.streaming.api.TimeCharacteristic
import org.apache.flink.streaming.api.functions.timestamps.BoundedOutOfOrdernessTimestampExtractor
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.windowing.time.Time
import org.apache.flink.table.api.{Table, Tumble}
import org.apache.flink.table.api.scala._
import org.apache.flink.table.functions.{ScalarFunction, TableAggregateFunction, TableFunction}
import org.apache.flink.types.Row
import org.apache.flink.util.Collector
//表聚合函数
//可以把一个表的数据,聚合为具有多个行和多列的结果表
object TableAggregateFunctionTest {
def main(args: Array[String]): Unit = {
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
env.setParallelism(1)
val inputStream: DataStream[String] = env.readTextFile("C:\\ideaworkshop\\FlinkDemo\\LearnFirst\\src\\main\\resources\\TableWindowDemo.txt")
val dataStream : DataStream[SensorReading]= inputStream.map(data=>{
val arr: Array[String] = data.split(",")
SensorReading(arr(0),arr(1).trim.toLong,arr(2).trim.toDouble)
}).assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor[SensorReading](Time.seconds(3)) {
override def extractTimestamp(element: SensorReading): Long = element.timestamp * 1000L
})
//创建表执行环境
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env)
val inputTable: Table = tableEnv.fromDataStream(dataStream,'id,'timestamp.rowtime as 'ts,'temperature)//指定timestamp为时间字段
}
}
5.2、ScalaFunction
//调用自定义hash函数
//1、table api
val hashCode = new HashCode(23)
val res = inputTable.select('id , 'ts , hashCode('id))
res.toAppendStream[Row].print("res")
//2、sql,需要在环境中注册udf函数
tableEnv.createTemporaryView("sensor",inputTable)
tableEnv.registerFunction("hashcode",new HashCode(23))//通过registerFunction在tableEnvironment中注册
val sqlRes = tableEnv.sqlQuery(
"""
|select
| id,
| ts,
| hashcode(id)
| from sensor
""".stripMargin)
sqlRes.toAppendStream[Row].print("sql")
env.execute("scala function test")
//自定义标量函数
//实现值一对一转换的函数
//求值方法必须公开声明并命名为eval
class HashCode(factor : Int) extends ScalarFunction{
def eval(s:String):Int = {
s.hashCode * factor - 10000
}
}
5.3、TableFunction
//表函数的用法
//1、table api使用
val split = new Split("")
val resTableFunc = inputTable
.joinLateral(split('id) as ('words , 'length)) //使用joinLateral 侧向连接
.select('id , 'ts , 'words , 'length )
resTableFunc.toAppendStream[Row].print("res")
//2、sql调用
tableEnv.createTemporaryView("sensor",inputTable)
tableEnv.registerFunction("split",new Split("-"))
val resTablesqlFun = tableEnv.sqlQuery(
"""
|select
| id , ts , word , length
| from
| sensor , lateral table( split(id) ) as splitid(word,length)
""".stripMargin)
resTablesqlFun.toAppendStream[Row].print("sql")
env.execute("table function test")
}
}
//自定义表函数
//可以返回任意数量的行作为输出,而不是单个值
//求值方法必须公开声明并命名为eval
class Split(seperator : String) extends TableFunction[(String,Int)]{//指定返回值类型
def eval(str : String):Unit={
str.split(seperator).foreach(
words=>{
collect((words , words.length))
}
)
}
}
5.4、AggregateFunction
//1、table api调用
val myAvg = new MyAvg()
val resTable = inputTable.groupBy('id)
.aggregate(myAvg('temperature) as 'avgTemp)
.select('id , 'avgTemp)
resTable.toRetractStream[Row].print("res")
//2、sql调用
tableEnv.registerFunction("myAvg",myAvg)
tableEnv.createTemporaryView("sensor",inputTable)
val sqlRes = tableEnv.sqlQuery(
"""
|select
| id , myAvg(temperature)
| from sensor
| group by id
""".stripMargin)
sqlRes.toRetractStream[Row].print("sql")
env.execute("AvgFunction Test")
class TempTempAcc{
var sum: Double = 0.0
var count:Int = 0
}
//自定义聚合函数,求平均值
//作用:可以把表中的数据,聚合成一个标量值
//自定义聚合函数来说至少需要createAccumulator、accumulate、getValue这三个方法,并且这三个方法是public 、not static的类型
class MyAvg extends AggregateFunction[Double , TempTempAcc]{ //泛型第一个参数表示输出值;第二个泛型参数表示中间处理类型
//表示最终返回的结果,结果数据从acc中获取,这个方法在accumulate之后被调用。
override def getValue(accumulator: TempTempAcc): Double = {
accumulator.sum / accumulator.count //求平均值
}
//表示创建一个中间结果数据,用来保存聚合中间结果的数据结构
override def createAccumulator(): (TempTempAcc) = {
new TempTempAcc //初始化
}
//具体的处理计算函数对每行输入数据更新累加值
//第一个参数表示中间值,第二个参数表示每行的传入值
def accumulate(accumulator : TempTempAcc , temp: Double):Unit={
accumulator.sum += temp
accumulator.count += 1
}
}
5.5、TableAggregateFunction
可以把一个表的数据,聚合为具有多个行和多列的结果表
val top2Temp = new MyTableAggregateFun
val resTable = inputTable.groupBy('id)
.flatAggregate(top2Temp('temperature) as ('temp,'rank))
.select('id , 'temp , 'rank)
resTable.toRetractStream[Row].print("res")
env.execute("table aggregate function test")
}
}
class TopTwoAcc{
var highestTemp : Double = Double.MinValue
var sencondHighestTemp : Double = Double.MinValue
}
//自定义表聚合函数,提取所有温度值中最高的两个温度 , 输出(temp,rank)
class MyTableAggregateFun extends TableAggregateFunction[(Double,Int),TopTwoAcc]{ // 输出值类型 和 中间处理状态类型
//
override def createAccumulator(): TopTwoAcc = {
new TopTwoAcc
}
//实现计算聚合结果的函数accumulate
def accumulate(acc : TopTwoAcc , temp : Double):Unit = {
//判断当前的温度值是否比前面的温度值大
if (temp > acc.highestTemp){
acc.sencondHighestTemp = acc.highestTemp
acc.highestTemp = temp
}else if(temp > acc.highestTemp && temp > acc.sencondHighestTemp){
acc.sencondHighestTemp = temp
}
}
//实现一个输出结果的方法,最终处理完所有数据时调用
def emitValue(acc : TopTwoAcc , out: Collector[(Double,Int)]): Unit ={ //使用Collector 指定输出的类型,这里是一个二元组
out.collect((acc.highestTemp,1))
out.collect((acc.sencondHighestTemp,2))
}
}