Flink实时计算运用（三）Flink Table API运用

1. 什么是Table API & SQL

Table API& SQL 是一种关系型API，用户可以像操作MySQL数据库表一样的操作数据，而不需要写Java代码完成flink function，更不需要手工的优化Java代码调优。SQL对一个非程序员操作来讲，学习成本很低，如果一个系统提供SQL支持，将很容易被用户接受。

总结来说，关系型API的好处：

1. 关系型API是声明式的

2. 查询能够被有效的优化

3. 查询可以高效的执行

4. “Everybody” knows SQL

Flink本身是批流统一的处理框架，所以Table API和SQL，就是批流统一的上层处理API。

Table API& SQL 是流处理和批处理统一的API层，如下图：

• flink在runtime层是统一的，因为flink将批任务看做流的一种特例来执行

• 在API层，flink为批和流提供了两套API（DataSet和DataStream）

• Table API是一套内嵌在Java和Scala语言中的查询API，它允许我们以非常直观的方式，组合来自一些关系运算符的查询（比如select、filter和join）。

• 对于Flink SQL，就是直接可以在代码中写SQL，来实现一些查询（Query）操作。Flink的SQL支持，基于实现了SQL标准的Apache Calcite（Apache开源SQL解析工具）。

无论输入是批输入还是流式输入，在这两套API中，指定的查询都具有相同的语义，得到相同的结果。

2. 批处理案例实现

1. 实现说明

   以批处理方式，加载自定义数据，并注册为table表，然后统计每个人名出现的次数，并打印出来。

   WordCount jack 2
   WordCount mike 1

2. 实现步骤

   1. 获取批处理运行环境

   2. 获取Table运行环境

   3. 加载自定义数据源信息

   4. 将外部数据构建成表

   5. 使用table方式查询数据

   6. 执行任务，打印结果

3. 代码实现

   TableApi实现方式：

   /**
    * Table Api 实现方式
    */
   public static void tableApi() throws Exception{
       //1. 初始化运行环境
       ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
       BatchTableEnvironment tEnv = BatchTableEnvironment.create(env);
   
       //2. 编写数据源信息
       DataSet<WordCount> input = env.fromElements(
               new WordCount("mike", 1),
               new WordCount("jack", 1),
               new WordCount("jack", 1));
   
       //3. 将dataSet转换成Table对象
       Table table = tEnv.fromDataSet(input);
   
       //4. 对word进行分组，然后查询指定的字段
       Table filterTable = table
               .groupBy("word")
               .select("word, frequency.sum as frequency");
   
       //5. 将DataSet转换成Table对象
       DataSet<WordCount> result = tEnv.toDataSet(filterTable, WordCount.class);
   
       //6. 打印输出结果
       result.print();
       
   }
   

   SQL实现方式：

   /**
    * Table Api 实现方式
    */
   public static void flinkSQL() throws Exception{
       //1. 初始化运行环境
       ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
       BatchTableEnvironment tEnv = BatchTableEnvironment.create(env);
       //2. 编写数据源信息
       DataSet<WordCount> input = env.fromElements(
               new WordCount("mike", 1),
               new WordCount("jack", 1),
               new WordCount("jack", 1));
   
       //3. 将dataSet转换成Table对象
       Table table = tEnv.fromDataSet(input);
       //4. 创建临时视图
       tEnv.createTemporaryView("WordCount", input, "word, frequency");
       //5. 执行sql查询
       Table tableSQL = tEnv.sqlQuery(
               "SELECT word, SUM(frequency) as frequency FROM WordCount GROUP BY word");
       //6. 将DataSet转换成Table对象
       DataSet<WordCount> result = tEnv.toDataSet(tableSQL, WordCount.class);
       //7. 打印输出结果
       result.print();
   }
   

3. 流处理案例实现

1. 实现说明

   采用Flink流式环境, 加载多个集合数据, 转换为Table, 并将Table转换为DataStream，采用SQL方式进行合并处理。

2. 实现步骤

   1. 获取流处理环境

   2. 设置并行度

   3. 获取Table运行环境

   4. 加载集合数据

   5. 转换DataStream为Table

   6. 将DataStream注册成Table

   7. 使用union all将两个表进行关联

   8. 执行任务，打印输出

3. 代码实现

   StreamSqlApplication类：

   //1. 初始化流式开发环境
   StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
   StreamTableEnvironment tEnv = StreamTableEnvironment.create(env);
   
   //2. 创建第一个订单流
   DataStream<Order> orderA = env.fromCollection(Arrays.asList(
           new Order(1L, "beer", 3),
           new Order(1L, "diaper", 4),
           new Order(3L, "rubber", 2)));
   
   //3. 创建第二个订单流
   DataStream<Order> orderB = env.fromCollection(Arrays.asList(
           new Order(2L, "pen", 3),
           new Order(2L, "rubber", 3),
           new Order(4L, "beer", 1)));
   
   //4. 将DataStream转换成Table（可以将DataStream转换成Table）
   Table tableA = tEnv.fromDataStream(orderA, "user, product, amount");
   
   //5. 将DataStream注册成Table（也可以将DataStream注册成Table）
   tEnv.registerDataStream("OrderB", orderB, "user, product, amount");
   
   //6. 使用union all将两个表进行关联
   Table result = tEnv.sqlQuery("SELECT * FROM " + tableA +
           " UNION ALL " +
           " SELECT * FROM OrderB ");
   
   //7. 将数据流进行输出
   tEnv.toAppendStream(result, Order.class).print().setParallelism(1);
   
   //8. 执行任务
   env.execute();
   

4. Flink 1.9 Table架构

在新的架构中，有两个查询处理器：

1. Flink Query Processor，也称作Old Planner

2. Blink Query Processor，也称作Blink Planner

查询处理器是 Planner 的具体实现，通过parser、optimizer、codegen(代码生成技术)等流程将 Table API & SQL作业转换成 Flink Runtime 可识别的 Transformation DAG，最终由 Flink Runtime 进行作业的调度和执行。

Flink 的查询处理器针对流计算和批处理作业有不同的分支处理，流计算作业底层的 API 是 DataStream API， 批处理作业底层的 API 是 DataSet API。

Blink 的查询处理器则实现流批作业接口的统一，底层的 API 都是Transformation，这就意味着我们和Dataset完全没有关系了。

5. Flink Planner 与 Blink Planner的差异

从Flink1.9开始，提供了两种不同的 planner 实现：Blink planner 和 1.9之前旧的 Old Planner。Planner 负责将算子转换为 Flink 可执行的、优化之后的 Flink job。这两个 Planner 拥有不同的优化规则和 runtime 类。

1. 在模型角度，Flink Planner 没有考虑流计算和批处理的统一，在底层会分别转换到到 DataStream API 和 DataSet API 上。而 Blink Planner 将批数据集看作 bounded DataStream (有界流式数据) ，流计算作业和批处理作业最终都会转换到 Transformation API 上。

2. 在架构角度，Blink Planner针对批处理和流计算，分别实现了BatchPlanner 和 StreamPlanner ，两者大部分的代码和优化逻辑都是共用的。 Old Planner 针对批处理和流计算的代码实现的是完全独立的两套体系，基本没有实现代码和优化逻辑复用。

除了模型和架构上的优点外，Blink Planner 在阿里巴巴集团内部的海量业务场景下沉淀了许多实用功能，集中在三个方面：

1. Blink Planner 对代码生成机制做了改进、对部分算子进行了优化，提供了丰富实用的新功能，如维表 join、Top N、MiniBatch、流式去重、聚合场景的数据倾斜优化等新功能。

2. Blink Planner 的优化策略是基于公共子图的优化算法，包含了基于成本的优化（CBO）和基于规则的优化(CRO)两种策略，优化更为全面。同时，Blink Planner 支持从 catalog 中获取数据源的统计信息，这对CBO优化非常重要。

3. Blink Planner 提供了更多的内置函数，更标准的 SQL 支持

整体看来，Blink 查询处理器在架构上更为先进，功能上也更为完善。出于稳定性的考虑，Flink 1.9 默认依然使用 Flink Planner，用户如果需要使用 Blink Planner，可以在作业中显式指定。

6. Flink Planner 用法

1. 导入依赖

   
   <dependency>
       <groupId>org.apache.flinkgroupId>
       <artifactId>flink-table-planner_${scala.binary.version}artifactId>
       <version>${flink.version}version>
   dependency>
   

2. 代码片段

   流式查询：

   import org.apache.flink.table.api.EnvironmentSettings;
   import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
   import org.apache.flink.table.api.java.StreamTableEnvironment;
   // Flink 流式查询
   EnvironmentSettings fsSettings = EnvironmentSettings.newInstance().useOldPlanner().inStreamingMode().build();
   StreamExecutionEnvironment fsEnv = StreamExecutionEnvironment.getExecutionEnvironment();
   StreamTableEnvironment fsTableEnv = StreamTableEnvironment.create(fsEnv, fsSettings);
   // or TableEnvironment fsTableEnv = TableEnvironment.create(fsSettings)
   
   

   批数据查询：

   //导入包 
   import org.apache.flink.api.java.ExecutionEnvironment;
   import org.apache.flink.table.api.java.BatchTableEnvironment;
   // Flink 批数据查询
   ExecutionEnvironment fbEnv = ExecutionEnvironment.getExecutionEnvironment();
   BatchTableEnvironment fbTableEnv = BatchTableEnvironment.create(fbEnv);
   

7. Blink Planner 用法

1. 导入依赖

   
   <dependency>
       <groupId>org.apache.flinkgroupId>
       <artifactId>flink-table-planner-blink_${scala.binary.version}artifactId>
       <version>${flink.version}version>
   dependency>
   

2. 代码片段

   流式查询：

   //导入包
   import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
   import org.apache.flink.table.api.EnvironmentSettings;
   import org.apache.flink.table.api.TableEnvironment;
   import org.apache.flink.table.api.java.StreamTableEnvironment;
   // Flink 流式查询
   StreamExecutionEnvironment bsEnv = StreamExecutionEnvironment.getExecutionEnvironment();
   EnvironmentSettings bsSettings = EnvironmentSettings.newInstance().useBlinkPlanner().inStreamingMode().build();
   StreamTableEnvironment bsTableEnv = StreamTableEnvironment.create(bsEnv, bsSettings);
   // or TableEnvironment bsTableEnv = TableEnvironment.create(bsSettings);
   
   

   批数据查询：

   // Flink 批数据查询
   EnvironmentSettings bbSettings = EnvironmentSettings.newInstance().useBlinkPlanner().inBatchMode().build();
   TableEnvironment bbTableEnv = TableEnvironment.create(bbSettings);
   

   说明： 如果作业需要运行在集群环境，打包时将 Blink Planner 相关依赖的 scope 设置为 provided，表示这些依赖由集群环境提供。这是因为 Flink 在编译打包时，已经将 Blink Planner 相关的依赖打包，不需要再次引入，避免冲突。

---

本文由mirson创作分享，如需进一步交流，请加QQ群：19310171或访问www.softart.cn