快速上手Flink SQL——Table与DataStream之间的互转

本篇文章主要会跟大家分享如何连接kafka，MySQL，作为输入流和数出的操作,以及Table与DataStream进行互转。

一、将kafka作为输入流

kafka 的连接器 flink-kafka-connector 中，1.10 版本的已经提供了 Table API 的支持。我们可以在 connect方法中直接传入一个叫做 Kafka 的类，这就是 kafka 连接器的描述器ConnectorDescriptor。

准备数据：

1,语数
2,英物
3,化生
4,文学
5,语理
6,学物

创建kafka主题

./kafka-topics.sh--create--zookeepernode01:2181,node02:2181,node03:2181--replication-factor2--partitions3--topicFlinkSqlTest

通过命令行的方式启动一个生产者

[root@node01bin]#./kafka-console-producer.sh--broker-listnode01:9092,node02:9092,node03:9092--topicFlinkSqlTest
>1,语数
>2,英物
>3,化生
>4,文学
>5,语理\
>6,学物

编写Flink代码连接到kafka

importorg.apache.flink.streaming.api.scala._
importorg.apache.flink.table.api.DataTypes
importorg.apache.flink.table.api.scala._
importorg.apache.flink.table.descriptors.{Csv,Kafka,Schema}

/**
*@Package
*@author大数据老哥
*@date2020/12/170:35
*@versionV1.0
*/

objectFlinkSQLSourceKafka{
defmain(args:Array[String]):Unit={
//获取流处理的运行环境
valenv=StreamExecutionEnvironment.getExecutionEnvironment
//获取table的运行环境
valtableEnv=StreamTableEnvironment.create(env)
tableEnv.connect(
newKafka()
.version("0.11")//设置kafka的版本
.topic("FlinkSqlTest")//设置要连接的主题
.property("zookeeper.connect","node01:2181,node02:2181,node03:2181")//设置zookeeper的连接地址跟端口号
.property("bootstrap.servers","node01:9092,node02:9092,node03:9092")//设置kafka的连接地址跟端口号
).withFormat(newCsv())//设置格式
.withSchema(newSchema()//设置元数据信息
.field("id",DataTypes.STRING())
.field("name",DataTypes.STRING())
).createTemporaryTable("kafkaInputTable")//创建临时表
//定义要查询的sql语句
valresult=tableEnv.sqlQuery("select*fromkafkaInputTable")
//打印数据
result.toAppendStream[(String,String)].print()
//开启执行
env.execute("sourcekafkaInputTable")
}
}

运行结果图

当然也可以连接到 ElasticSearch、MySql、HBase、Hive 等外部系统，实现方式基本上是类似的。

二、表的查询

利用外部系统的连接器 connector，我们可以读写数据，并在环境的 Catalog 中注册表。接下来就可以对表做查询转换了。Flink 给我们提供了两种查询方式：Table API 和 SQL。

三、Table API 的调用

Table API 是集成在 Scala 和 Java 语言内的查询 API。与 SQL 不同，Table API 的查询不会用字符串表示，而是在宿主语言中一步一步调用完成的。 Table API 基于代表一张表的 Table 类，并提供一整套操作处理的方法 API。这些方法会返回一个新的 Table 对象，这个对象就表示对输入表应用转换操作的结果。有些关系型转换操作，可以由多个方法调用组成，构成链式调用结构。例如 table.select(…).filter(…) ，其中 select(…) 表示选择表中指定的字段，filter(…)表示筛选条件。代码中的实现如下：

valkafkaInputTable=tableEnv.from("kafkaInputTable")
kafkaInputTable.select("*")
.filter('id!=="1")

四、SQL查询

Flink 的 SQL 集成，基于的是 ApacheCalcite，它实现了 SQL 标准。在 Flink 中，用常规字符串来定义 SQL 查询语句。SQL 查询的结果，是一个新的 Table。

代码实现如下：

valresult=tableEnv.sqlQuery("select*fromkafkaInputTable")

当然，也可以加上聚合操作，比如我们统计每个用户的个数

调用 table API

valresult:Table=tableEnv.from("kafkaInputTable")
result.groupBy("user")
.select('name,'name.countas'count)

调用SQL

valresult=tableEnv.sqlQuery("selectname,count(1)ascountfromkafkaInputTablegroupbyname")

这里 Table API 里指定的字段，前面加了一个单引号’，这是 Table API 中定义的 Expression类型的写法，可以很方便地表示一个表中的字段。 字段可以直接全部用双引号引起来，也可以用半边单引号+字段名的方式。以后的代码中，一般都用后一种形式。

五、将DataStream 转成Table

Flink 允许我们把 Table 和DataStream 做转换：我们可以基于一个 DataStream，先流式地读取数据源，然后 map 成样例类，再把它转成 Table。Table 的列字段(column fields)，就是样例类里的字段，这样就不用再麻烦地定义 schema 了。

5.1、代码实现

代码中实现非常简单，直接用 tableEnv.fromDataStream() 就可以了。默认转换后的 Table schema 和 DataStream 中的字段定义一一对应，也可以单独指定出来。

这就允许我们更换字段的顺序、重命名，或者只选取某些字段出来，相当于做了一次 map 操作(或者 Table API 的 select 操作)。

代码具体如下：

importorg.apache.flink.streaming.api.scala._
importorg.apache.flink.table.api.scala._

/**
*@Package
*@author大数据老哥
*@date2020/12/1721:21
*@versionV1.0
*/
objectFlinkSqlReadFileTable{

defmain(args:Array[String]):Unit={
//构建流处理运行环境
valenv=StreamExecutionEnvironment.getExecutionEnvironment
//构建table运行环境
valtableEnv=StreamTableEnvironment.create(env)
//使用流处理来读取数据
valreadData=env.readTextFile("./data/word.txt")
//使用flatMap进行切分
valword:DataStream[String]=readData.flatMap(_.split(""))
//将word转为table
valtable=tableEnv.fromDataStream(word)
//计算wordcount
valwordCount=table.groupBy("f0").select('f0,'f0.countas'count)
wordCount.printSchema()
//转换成流处理打印输出
tableEnv.toRetractStream[(String,Long)](wordCount).print()
env.execute("FlinkSqlReadFileTable")
}
}

5.2 数据类型与 Table schema 的对应

DataStream 中的数据类型，与表的 Schema之间的对应关系，是按照样例类中的字段名来对应的(name-based mapping)，所以还可以用 as 做重命名。

另外一种对应方式是，直接按照字段的位置来对应(position-based mapping)，对应的过程中，就可以直接指定新的字段名了。

基于名称的对应：

valuserTable=tableEnv.fromDataStream(dataStream,'usernameas'name,'idas'myid)

基于位置的对应：

valuserTable=tableEnv.fromDataStream(dataStream,'name,'id)

Flink 的 DataStream 和 DataSet API 支持多种类型。组合类型，比如元组(内置 Scala 和 Java 元组)、POJO、Scala case 类和 Flink 的 Row 类型等，允许具有多个字段的嵌套数据结构，这些字段可以在 Table 的表达式中访问。其他类型，则被视为原子类型。

元组类型和原子类型，一般用位置对应会好一些;如果非要用名称对应，也是可以的：元组类型，默认的名称是_1, _2;而原子类型，默认名称是 f0。

六、创建临时视图(Temporary View)

创建临时视图的第一种方式，就是直接从 DataStream 转换而来。同样，可以直接对应字段转换;也可以在转换的时候，指定相应的字段。代码如下：

tableEnv.createTemporaryView("sensorView",dataStream)
tableEnv.createTemporaryView("sensorView",dataStream,'id,'temperature,'timestampas'ts)

另外，当然还可以基于 Table 创建视图：

tableEnv.createTemporaryView("sensorView",sensorTable)

View 和 Table 的 Schema 完全相同。事实上，在 Table API 中，可以认为 View 和 Table是等价的。

总结

上述文章了主要讲解了以kafka方式作为输入流进行流失处理，其实我也可以设置MySQL、ES、MySQL 等，都是类似的，以及table API 与sql之间的区别，还讲解了DataStream转换位Table 或者Table 转换为DataStream这样的或我们后面在做数据分析的时候就非常简单了。