Apache Flink 提供了两种关系型 API 用于统一流和批处理，Table 和 SQL API。

  1. Table API 是一种集成在 Java、Scala 和 Python 语言中的查询 API，简单理解就是用 Java、Scala、Python 按照 SQL 的查询接口封装了一层 lambda 表达式的查询 API，它允许以强类型接口的方式组合各种关系运算符（如选择、筛选和联接）的查询操作，然后生成一个 Flink 任务运行。 ```java

import org.apache.flink.table.api.*;

import static org.apache.flink.table.api.Expressions.*;

EnvironmentSettings settings = EnvironmentSettings .newInstance() .inStreamingMode() .build();

TableEnvironment tEnv = TableEnvironment.create(settings);

// 下面就是 Table API 的案例，其语义等同于 // select a, count(b) as cnt // from Orders // group by a DataSet result = tEnv .from(“Orders”) .groupBy($(“a”)) .select($(“a”), $(“b”).count().as(“cnt”)) .toDataSet(counts, Row.class);

result.print();

  2. 2. SQL API 是基于 SQL 标准的 Apache Calcite 框架实现的，我们可以使用纯 SQL 来开发和运行一个 Flink 任务。如下案例所示：
  3. ```sql
  4. insert into target
  5. select a, count(b) as cnt
  6. from Orders
  7. group by a

注意：无论输入是连续（流处理）还是有界（批处理），在 Table 和 SQL 任一 API 中同一条查询语句是具有相同的语义并且会产出相同的结果的。这就是说为什么 Flink SQL 和 Table API 可以做到在用户接口层面的流批统一。xdm，用一套 SQL 既能跑流任务，也能跑批任务，它不香嘛？

Table API 和 SQL API 也与 DataStream API 做到了无缝集成。可以轻松地在三种 API 之间灵活切换。例如，可以使用 SQL 的 MATCH_RECOGNIZE 子句匹配出异常的数据，然后使用再转为 DataStream API 去灵活的构建针对于异常数据的自定义报警机制。

如何使用

  1. 环境依赖
  2. 相关基本概念

相关特性

  • 自定义函数
  • SQL动态表&连续查询
  • 时间属性

SQL语法