flink读取hive数据写入mysql_Flink SQL 连接Hive并写入/读取数据
1. 添加依赖
1.11.2
2.11
org.apache.flink
flink-streaming-scala_${scala.version}
${flink.version}
org.apache.flink
flink-connector-kafka-0.11_${scala.version}
${flink.version}
org.apache.flink
flink-clients_${scala.version}
${flink.version}
org.apache.flink
flink-table-api-java-bridge_${scala.version}
${flink.version}
org.apache.flink
flink-table-planner-blink_${scala.version}
${flink.version}
org.apache.flink
flink-connector-hive_${scala.version}
${flink.version}
org.apache.hive
hive-exec
2.1.1
org.apache.flink
flink-shaded-hadoop-2-uber
2.6.5-7.0
org.apache.flink
flink-json
${flink.version}
org.apache.flink
flink-connector-elasticsearch6_${scala.version}
${flink.version}
org.apache.flink
flink-csv
${flink.version}
com.fasterxml.jackson.core
jackson-databind
2.4.0
com.fasterxml.jackson.core
jackson-annotations
2.4.0
com.fasterxml.jackson.core
jackson-core
2.4.0
2. 创建blink版本的批处理Table执行环境
EnvironmentSettings bbSettings = EnvironmentSettings.newInstance()
.useBlinkPlanner()
.inBatchMode()
.build();
TableEnvironment bbTableEnv = TableEnvironment.create(bbSettings);
经过实际测试，目前HiveTableSink 不支持流式写入(未实现 AppendStreamTableSink)，必须是批处理环境才可以往hive里面写入数据，而不能将流式数据写入hive。例如将kafka创建一张临时表，然后将表中的数据流持续插入hive，这是不可以的，官网上1.11版本通过flink sql-client可以实现hive的流式写入，还有待验证。
3. 连接文件系统，创建hive catalog，对表进行操作，类似于Spark on Hive,flink可以直接获取Hive的元数据，并使用flink进行计算。
// 连接外部文件
bbTableEnv.connect(new FileSystem().path("file:///E:/d.txt"))
.withFormat(new Csv().fieldDelimiter(','))
.withSchema(new Schema().field("id", DataTypes.STRING()))
.createTemporaryTable("output");
// 设置 hive catalog
bbTableEnv.getConfig().setSqlDialect(SqlDialect.HIVE);
// 获取hive-site.xml目录
String hiveConfDir = Thread.currentThread().getContextClassLoader().getResource("").getPath().substring(1);
HiveCatalog hive = new HiveCatalog("hive", "warningplatform", hiveConfDir);
bbTableEnv.registerCatalog("hive", hive);
bbTableEnv.useCatalog("hive");
bbTableEnv.useDatabase("warningplatform");
bbTableEnv.executeSql("insert into test select id from default_catalog.default_database.output");
通过bbTableEnv.connect()去创建临时表的方式已经过时了，建议使用bbTableEnv.executeSql()的方式，通过DDL去创建临时表，临时表到底是属于哪一个catalog目前还不太确定，到底是什么规则目前还不清楚。 查资料得知，临时表与单个Flink会话的生命周期相关，临时表始终存储在内存中。 永久表需要一个catalog来管理表对应的元数据，比如hive metastore，该表将一直存在，直到明确删除该表为止。 因此猜测：default_catalog是存储在内存中，如果在切换成hive catalog之前创建临时表，那我们就可以使用default_catalog.default_database.tableName来获取这个临时表。 如果切换了catalog再去创建临时表，那我们就无法获取到临时表了，因为它不在default_catalog中，而且保存在内存里面，直接查询临时表会去当前的catalog里面去查找临时表，因此一定要在default_catalog 里面创建临时表。 而临时视图好像是存储在当前的catalog里面
通过bbTableEnv.createTemporaryView()创建的视图则是属于当前的database的 bbTableEnv.createTemporaryView("output",bbTableEnv.sqlQuery("select * from default_catalog.default_database.output"));
注意1.11版本的执行sql的方法发生了改变，通过执行环境的executeSql(),executeInsert()等来进行插入或者执行sql语句