Flink Table API 和 Flink SQL
1. 简单介绍
1.1 什么是 Table API 和 Flink 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。
目前功能尚未完善，处于活跃的开发阶段。
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）。而对于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。
1.2 pom依赖
Table API和SQL需要引入的依赖有两个：planner和bridge。
// flink自己版本的依赖
<dependency>
<groupId>org.apache.flinkgroupId>
<artifactId>flink-table-planner_2.11artifactId>
<version>1.10.0version>
dependency>
// blink版本的依赖
<dependency>
<groupId>org.apache.flinkgroupId>
<artifactId>flink-table-planner-blink_2.11artifactId>
<version>1.10.0version>
dependency>
<dependency>
<groupId>org.apache.flinkgroupId>
<artifactId>flink-table-api-scala-bridge_2.11artifactId>
<version>1.10.0version>
dependency>
flink-table-planner：
planner计划器，是table API最主要的部分，提供了运行时环境和生成程序执行计划的planner；
flink-table-api-scala-bridge：
bridge桥接器，主要负责table API和 DataStream/DataSet API的连接支持，按照语言分java和scala。
这里的两个依赖，是IDE环境下运行需要添加的；如果是生产环境，lib目录下默认已经有了planner，就只需要有bridge就可以了。
当然，如果想使用用户自定义函数，或是跟kafka做连接，需要有一个SQL client，这个包含在flink-table-common里。
1.3 两种planner（old & blink）的区别
- 批流统一：Blink将批处理作业，视为流式处理的特殊情况。所以，blink不支持表和DataSet之间的转换，批处理作业将不转换为DataSet应用程序，而是跟流处理一样，转换为DataStream程序来处理。
- 因为批流统一，Blink planner也不支持BatchTableSource，而使用有界的StreamTableSource代替。
- Blink planner只支持全新的目录，不支持已弃用的ExternalCatalog。
- 旧planner和Blink planner的FilterableTableSource实现不兼容。旧的planner会把PlannerExpressions下推到filterableTableSource中，而blink planner则会把Expressions下推。
- 基于字符串的键值配置选项仅适用于Blink planner。
- PlannerConfig在两个planner中的实现不同。
- Blink planner会将多个sink优化在一个DAG中（仅在TableEnvironment上受支持，而在StreamTableEnvironment上不受支持）。而旧planner的优化总是将每一个sink放在一个新的DAG中，其中所有DAG彼此独立。
- 旧的planner不支持目录统计，而Blink planner支持。
1.4 一个简单TableAPI使用示例
import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.Table
import org.apache.flink.table.api.scala._
object TableAPITest {
def main(args: Array[String]): Unit = {
val env = StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)
val inputStream = env.socketTextStream("hadoop", 7777)
val dataStream = inputStream.map {
data =>
val splitData = data.split(",")
SensorReading10(splitData(0), splitData(1).toLong, splitData(2).toDouble)
}
// 创建表执行环境
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env)
// 基于数据流，转换成一张表，然后进行计算
val dataTable: Table = tableEnv.fromDataStream(dataStream)
// 1.直接写sql得到转换结果
val resultSqlTable: Table = tableEnv
.sqlQuery("select id, temperature from " + dataTable + " where id = 'sensor_1'")
// 装换成数据流，打印输出
val sqlResultStream: DataStream[(String, Double)] = resultSqlTable.toAppendStream[(String, Double)]
// 打印结果
sqlResultStream.print("sql Result")
// 2.调用TableAPI 得到转换结果
val resultTable: Table = dataTable
.select("id,temperature")
.filter("id == 'sensor_1'")
// 装换成数据流，打印输出
val resultStream: DataStream[(String, Double)] = resultTable.toAppendStream[(String, Double)]
resultStream.print("API Result")
// 打印表结构
resultTable.printSchema()
env.execute("xxxx")
}
}
case class SensorReading10(id: String, timestamp: Long, temperature: Double)
2. API调用
2.1 基本程序结构
Table API 和 SQL 的程序结构，与流式处理的程序结构类似；也可以近似地认为有这么几步：首先创建执行环境，然后定义source、transform和sink。
具体操作流程如下：
val tableEnv = ... // 创建表的执行环境
// 创建一张表，用于读取数据
tableEnv.connect(...).createTemporaryTable("inputTable")
// 注册一张表，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 sqlResult = tableEnv.sqlQuery("SELECT ... FROM inputTable ...")
// 将结果表写入输出表中
result.insertInto("outputTable")
2.2 创建表环境
表环境（TableEnvironment）是flink中集成Table API & SQL的核心概念。它负责:
注册catalog
在内部 catalog 中注册表
执行 SQL 查询
注册用户自定义函数
将 DataStream 或 DataSet 转换为表
保存对 ExecutionEnvironment 或 StreamExecutionEnvironment 的引用
在创建TableEnv的时候，可以多传入一个EnvironmentSettings或者TableConfig参数，可以用来配置 TableEnvironment的一些特性。
import org.apache.flink.api.scala.ExecutionEnvironment
import org.apache.flink.streaming.api.scala.StreamExecutionEnvironment
import org.apache.flink.table.api.{EnvironmentSettings, TableEnvironment}
import org.apache.flink.table.api.scala.{BatchTableEnvironment, StreamTableEnvironment}
object TableAPILearning {
def main(args: Array[String]): Unit = {
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
// 1.创建表环境
// 1.1创建老版本的流查询环境
val settings: EnvironmentSettings = EnvironmentSettings.newInstance()
.useOldPlanner()
.inStreamingMode()
.build()
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env, settings)
// 1.2 创建老版本的批处理查询环境
val batchEnv: ExecutionEnvironment = ExecutionEnvironment.getExecutionEnvironment
val batchTableEnv: BatchTableEnvironment = BatchTableEnvironment.create(batchEnv)
// 1.3 创建Blink 版本的流查询环境
val bsSettings = EnvironmentSettings.newInstance()
.useBlinkPlanner()
.inStreamingMode()
.build()
val bsTableEnv = StreamTableEnvironment.create(env, bsSettings)
// 1.4 创建blink版本的批查询环境
val bbSettings = EnvironmentSettings.newInstance()
.useBlinkPlanner()
.inBatchMode()
.build()
val bbTableEnv = TableEnvironment.create(bbSettings)
}
}
2.3 在Catalog中注册表
2.3.1 表（Table）的概念
TableEnvironment可以注册目录Catalog，并可以基于Catalog注册表。它会维护一个Catalog-Table表之间的map。
表（Table）是由一个“标识符”来指定的，由3部分组成：Catalog名、数据库（database）名和对象名（表名）。如果没有指定目录或数据库，就使用当前的默认值。
表可以是常规的（Table，表），或者虚拟的（View，视图）。常规表（Table）一般可以用来描述外部数据，比如文件、数据库表或消息队列的数据，也可以直接从 DataStream转换而来。视图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。
2.3.2 连接到文件系统（Csv格式）
连接外部系统在Catalog中注册表，直接调用tableEnv.connect()就可以，里面参数要传入一个ConnectorDescriptor，也就是connector描述器。对于文件系统的connector而言，flink内部已经提供了，就叫做FileSystem()。
代码如下：
import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.{DataTypes, EnvironmentSettings, Table}
import org.apache.flink.table.api.scala._
import org.apache.flink.table.descriptors.{FileSystem, OldCsv, Schema}
object TableAPILearning {
def main(args: Array[String]): Unit = {
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
// 创建表环境
// 创建老版本的流查询环境
val settings: EnvironmentSettings = EnvironmentSettings.newInstance()
.useOldPlanner()
.inStreamingMode()
.build()
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env, settings)
// 连接到文件系统（CSV）以逗号分隔的字符串
val filePath = "F:\\SparkWorkSpace\\flink-learning\\src\\main\\resources\\word.txt"
tableEnv.connect(new FileSystem().path(filePath))
.withFormat(new OldCsv()) // 定义读取数据后的格式化方法
.withSchema(new Schema() // 定义表结构
.field("id", DataTypes.STRING())
.field("timestamp", DataTypes.BIGINT())
.field("temperature", DataTypes.DOUBLE())
)
.createTemporaryTable("inputTable") // 注册一张表
// 转换成流输出
val sensorTable: Table = tableEnv.from("inputTable")
sensorTable.toAppendStream[(String, Long, Double)].print()
env.execute("CCCC")
}
}
这是旧版本的csv格式描述器。由于它是非标的，跟外部系统对接并不通用，所以将被弃用，以后会被一个符合RFC-4180标准的新format描述器取代。新的描述器就叫Csv()，但flink没有直接提供，需要引入依赖flink-csv：
<dependency>
<groupId>org.apache.flinkgroupId>
<artifactId>flink-csvartifactId>
<version>1.10.0version>
dependency>
代码非常类似，只需要把withFormat里的OldCsv改成Csv就可以了。
2.3.3 连接到Kafka
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。
import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.{DataTypes, EnvironmentSettings, Table}
import org.apache.flink.table.api.scala._
import org.apache.flink.table.descriptors.{FileSystem, Kafka, OldCsv, Schema}
object TableAPILearning {
def main(args: Array[String]): Unit = {
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
// 创建表环境
// 创建老版本的流查询环境
val settings: EnvironmentSettings = EnvironmentSettings.newInstance()
.useOldPlanner()
.inStreamingMode()
.build()
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env, settings)
// 连接到Kafka
tableEnv.connect(new Kafka()
.version("0.11") // 定义kafka版本
.topic("sensor")
.property("bootstrap.servers", "hadoop:9092")
.property("zookeeper.connect", "hadoop:2181")
)
.withFormat(new OldCsv)
.withSchema(new Schema() // 定义表结构
.field("id", DataTypes.STRING())
.field("timestamp", DataTypes.BIGINT())
.field("temperature", DataTypes.DOUBLE())
)
.createTemporaryTable("kafkaInputTable")
// 转换成流打印输出
val sensorTable2: Table = tableEnv.from("kafkaInputTabele")
sensorTable2.toAppendStream[(String, Long, Double)]
env.execute("CCCC")
}
}
2.4 表的查询
2.4.1 简单查询
import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.{DataTypes, EnvironmentSettings, Table}
import org.apache.flink.table.api.scala._
import org.apache.flink.table.descriptors.{FileSystem, OldCsv, Schema}
object TableQueryTest {
def main(args: Array[String]): Unit = {
val env = StreamExecutionEnvironment.getExecutionEnvironment
val settings: EnvironmentSettings = EnvironmentSettings.newInstance()
.useOldPlanner()
.inStreamingMode()
.build()
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env, settings)
val filePath = "F:\\SparkWorkSpace\\flink-learning\\src\\main\\resources\\word.txt"
// 1.连接到文件系统（CSV）以逗号分隔的字符串
// 定义表数来源、定义表结构
tableEnv.connect(new FileSystem().path(filePath))
.withFormat(new OldCsv()) // 定义读取数据后的格式化方法
.withSchema(new Schema() // 定义表结构
.field("id", DataTypes.STRING())
.field("timestamp", DataTypes.BIGINT())
.field("temperature", DataTypes.DOUBLE())
)
.createTemporaryTable("inputTable") // 注册一张表
// 2.获取表对象
val sourceTable: Table = tableEnv.from("inputTable")
// 3.从表对象中提取所需表数据
// 3.1 Table API运用
val resultTabeAPI: Table = sourceTable
.select("id, temperature")
.filter("id == 'sensor_1'") // 注意单引号不能少
// 3.2 SQL 注意是直接在tableEnv上运用
// 3.2.1 单行sql字符串
val resultSqlTable: Table = tableEnv.sqlQuery("select id, temperature from inputTable where id = 'sensor_1'")
// 3.2.2 多行sql字符串
val resultSqlTable2: Table = tableEnv.sqlQuery(
"""
|select
| id
| ,temperature
|from inputTable
|where id = 'sensor_1'
|""".stripMargin)
// 3.3 特殊方式
val resultTableAPI2 = sourceTable
.select('id, 'temperature) // 单引号后面跟字段名称
.filter('id === "sensor_1") // 三个等号 用于判断是非
//4.将表转换成流
val resultTabeAPIResult: DataStream[(String, Double)] = resultTabeAPI.toAppendStream[(String, Double)]
val resultSqlTableResult: DataStream[(String, Double)] = resultSqlTable.toAppendStream[(String, Double)]
val resultTableAPI2Result: DataStream[(String, Double)] = resultTableAPI2.toAppendStream[(String, Double)]
val resultSqlTable2Result: DataStream[(String, Double)] = resultSqlTable2.toAppendStream[(String, Double)]
// 5.打印数据
resultTabeAPIResult.print()
resultSqlTableResult.print()
resultTableAPI2Result.print()
env.execute("XXXX")
}
}
2.4.2 聚合查询
import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.{DataTypes, EnvironmentSettings, Table}
import org.apache.flink.table.api.scala._
import org.apache.flink.table.descriptors.{FileSystem, OldCsv, Schema}
object TableAggregateTest {
def main(args: Array[String]): Unit = {
val env = StreamExecutionEnvironment.getExecutionEnvironment
val settings: EnvironmentSettings = EnvironmentSettings.newInstance()
.useOldPlanner()
.inStreamingMode()
.build()
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env, settings)
val filePath = "F:\\SparkWorkSpace\\flink-learning\\src\\main\\resources\\word.txt"
// 1.连接到文件系统（CSV）以逗号分隔的字符串
// 定义表数来源、定义表结构
tableEnv.connect(new FileSystem().path(filePath))
.withFormat(new OldCsv()) // 定义读取数据后的格式化方法
.withSchema(new Schema() // 定义表结构
.field("id", DataTypes.STRING())
.field("timestamp", DataTypes.BIGINT())
.field("temperature", DataTypes.DOUBLE())
)
.createTemporaryTable("inputTable") // 注册一张表
// 2.获取表对象
val sourceTable: Table = tableEnv.from("inputTable")
// 3.聚合
// 3.1 简单聚合 统计每个传感器的温度个数
val aggResultTable = sourceTable
.groupBy('id)
.select('id, 'id.count as 'cnt)
// 3.2 sql 实现聚合
// tableEnv.sqlQuery(
// """
// |select ......
// |""".stripMargin)
// 4. 转换成流 注意由于是聚合 需要toRetractStream方法，遇到之前有过的数据会输出两条数据
val aggResultTableStream: DataStream[(Boolean, (String, Long))] = aggResultTable.toRetractStream[(String, Long)]
aggResultTableStream.print("result")
env.execute()
}
}
2.5 将DataStream 转换成表
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。
2.5.1 代码表达
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：
val inputStream: DataStream[String] = env.readTextFile("sensor.txt")
val dataStream: DataStream[SensorReading] = inputStream
.map(data => {
val dataArray = data.split(",")
SensorReading(dataArray(0), dataArray(1).toLong, dataArray(2).toDouble)
})
val sensorTable: Table = tableEnv.fromDataStream(dataStream)
val sensorTable2 = tableEnv.fromDataStream(dataStream, 'id, 'timestamp as 'ts)
2.5.2 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：
val sensorTable = tableEnv.fromDataStream(dataStream, 'timestamp as 'ts, 'id as 'myId, 'temperature)
基于位置的对应：
val sensorTable = tableEnv.fromDataStream(dataStream, 'myId, 'ts)
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”。
2.6. 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, 'timestamp as '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。
2.7. 输出表
表的输出，是通过将数据写入 TableSink 来实现的。TableSink 是一个通用接口，可以支持不同的文件格式、存储数据库和消息队列。
具体实现，输出表最直接的方法，就是通过 Table.insertInto() 方法将一个 Table 写入注册过的 TableSink 中。
2.7.1 输出到文件
代码如下：
import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.{DataTypes, EnvironmentSettings}
import org.apache.flink.table.api.scala.StreamTableEnvironment
import org.apache.flink.table.descriptors.{FileSystem, OldCsv, Schema}
object TableOutputTest {
def main(args: Array[String]): Unit = {
val env = StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)
val settings = EnvironmentSettings.newInstance()
.useOldPlanner()
.inStreamingMode()
.build()
val tabelEnv: StreamTableEnvironment = StreamTableEnvironment.create(env, settings)
// source table
tabelEnv.connect(new FileSystem().path("F:\\SparkWorkSpace\\flink-learning\\src\\main\\resources\\word.txt"))
.withFormat(new OldCsv)
.withSchema(new Schema()
.field("id", DataTypes.STRING())
.field("timestamp", DataTypes.BIGINT())
.field("temperature", DataTypes.DOUBLE())
)
.createTemporaryTable("tableSource")
// sink table
tabelEnv.connect(new FileSystem().path("F:\\SparkWorkSpace\\flink-learning\\src\\main\\resources\\outputTable.txt"))
.withFormat(new OldCsv)
.withSchema(new Schema()
.field("id", DataTypes.STRING())
.field("temperature", DataTypes.DOUBLE())
)
.createTemporaryTable("tableOutput")
tabelEnv.connect(new FileSystem().path("F:\\SparkWorkSpace\\flink-learning\\src\\main\\resources\\aggOutputTable.txt"))
.withFormat(new OldCsv)
.withSchema(new Schema()
.field("id", DataTypes.STRING())
.field("temperature", DataTypes.DOUBLE())
.field("cnt", DataTypes.BIGINT())
)
.createTemporaryTable("aggOutputTable")
// 对应sinK table的表对象
val resultTable = tabelEnv.sqlQuery(
"""
|select id,temperature as t
|from tableSource
|""".stripMargin)
val aggTableResult = tabelEnv.sqlQuery("select id, temperature, count(1) as cnt from tableSource group by id,temperature")
// 结果表中的数据向sinK table插入
resultTable.insertInto("tableOutput")
//由于聚合是不断变化的，会报这样的错：TableException: AppendStreamTableSink requires that Table has only insert changes.
aggTableResult.insertInto("aggOutputTable")
env.execute("xxxx")
}
}
2.7.2 更新模式（Update Mode）
在流处理过程中，表的处理并不像传统定义的那样简单。
对于流式查询（Streaming Queries），需要声明如何在（动态）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。
Flink Table API中的更新模式有以下三种：
1）追加模式（Append Mode）
在追加模式下，表（动态表）和外部连接器只交换插入（Insert）消息。
2）撤回模式（Retract Mode）
在撤回模式下，表和外部连接器交换的是：添加（Add）和撤回（Retract）消息。
插入（Insert）会被编码为添加消息；
删除（Delete）则编码为撤回消息；
更新（Update）则会编码为，已更新行（上一行）的撤回消息，和更新行（新行）的添加消息。
在此模式下，不能定义key，这一点跟upsert模式完全不同。
3）Upsert（更新插入）模式
在Upsert模式下，动态表和外部连接器交换Upsert和Delete消息。
这个模式需要一个唯一的key，通过这个key可以传递更新消息。为了正确应用消息，外部连接器需要知道这个唯一key的属性。
插入（Insert）和更新（Update）都被编码为Upsert消息；
删除（Delete）编码为Delete信息。
这种模式和Retract模式的主要区别在于，Update操作是用单个消息编码的，所以效率会更高。
2.7.3 输出到Kafka
除了输出到文件，也可以输出到Kafka。我们可以结合前面Kafka作为输入数据，构建数据管道，kafka进，kafka出。
代码如下：
import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.{DataTypes, EnvironmentSettings, Table}
import org.apache.flink.table.api.scala._
import org.apache.flink.table.descriptors.{Kafka, OldCsv, Schema}
object OutputToKafkaTest {
def main(args: Array[String]): Unit = {
val env = StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)
val settings = EnvironmentSettings.newInstance()
.useOldPlanner()
.inStreamingMode()
.build()
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env, settings)
tableEnv.connect(new Kafka()
.version("0.11")
.topic("sensor")
.property("bootstrap.servers", "hadoop:9092")
.property("zookeeper.connect", "hadoop:2181")
)
.withFormat(new OldCsv())
.withSchema(new Schema()
.field("id", DataTypes.STRING())
.field("timestamp", DataTypes.BIGINT())
.field("temperature", DataTypes.DOUBLE())
)
.createTemporaryTable("kafkaSourceTable")
val kafkaTable: Table = tableEnv.from("kafkaSourceTable")
val resultTable = kafkaTable
.select('id, 'temperature)
.filter('id === "sensor_1")
tableEnv.connect(new Kafka()
.version("0.11")
.topic("sinkTest")
.property("bootstrap.servers", "hadoop:9092")
.property("zookeeper.connect", "hadoop:2181")
)
.withFormat(new OldCsv())
.withSchema(new Schema()
.field("id", DataTypes.STRING())
.field("temp", DataTypes.DOUBLE())
)
.createTemporaryTable("kafkaOutputTable")
resultTable.insertInto("kafkaOutputTable")
env.execute("XXXX")
}
}
报这样的错
Exception in thread "main" org.apache.flink.table.api.NoMatchingTableFactoryException: Could not find a suitable table factory for 'org.apache.flink.table.factories.SerializationSchemaFactory' in
the classpath.
Reason: No factory implements 'org.apache.flink.table.factories.SerializationSchemaFactory'.
解决问题：
使用新Csv格式化jar包
<dependency>
<groupId>org.apache.flinkgroupId>
<artifactId>flink-csvartifactId>
<version>1.10.2version>
dependency>
2.7.4 输出到ElasticSearch
ElasticSearch的connector可以在upsert（update+insert，更新插入）模式下操作，这样就可以使用Query定义的键（key）与外部系统交换UPSERT/DELETE消息。
另外，对于“仅追加”（append-only）的查询，connector还可以在append 模式下操作，这样就可以与外部系统只交换insert消息。
es目前支持的数据格式，只有Json，而flink本身并没有对应的支持，所以还需要引入依赖：
<dependency>
<groupId>org.apache.flinkgroupId>
<artifactId>flink-jsonartifactId>
<version>1.10.0version>
dependency>
代码实现如下：
// 输出到es
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")
2.7.5 输出到MySql
Flink专门为Table API的jdbc连接提供了flink-jdbc连接器，我们需要先引入依赖：
<dependency>
<groupId>org.apache.flinkgroupId>
<artifactId>flink-jdbc_2.11artifactId>
<version>1.10.0version>
dependency>
jdbc连接的代码实现比较特殊，因为没有对应的java/scala类实现ConnectorDescriptor，所以不能直接tableEnv.connect()。不过Flink SQL留下了执行DDL的接口：tableEnv.sqlUpdate()。
对于jdbc的创建表操作，天生就适合直接写DDL来实现，所以我们的代码可以这样写：
// 输出到 Mysql
val sinkDDL: String =
"""
|create table jdbcOutputTable (
| id varchar(20) not null,
| cnt bigint not null
|) with (
| 'connector.type' = 'jdbc',
| 'connector.url' = 'jdbc:mysql://localhost:3306/test',
| 'connector.table' = 'sensor_count',
| 'connector.driver' = 'com.mysql.jdbc.Driver',
| 'connector.username' = 'root',
| 'connector.password' = '123456'
|)
""".stripMargin
tableEnv.sqlUpdate(sinkDDL)
aggResultSqlTable.insertInto("jdbcOutputTable")
2.8 将表转换成DataStream
表可以转换为DataStream或DataSet。这样，自定义流处理或批处理程序就可以继续在 Table API或SQL查询的结果上运行了。
将表转换为DataStream或DataSet时，需要指定生成的数据类型，即要将表的每一行转换成数据类型。通常，最方便的转换类型就是Row。当然，因为结果的所有字段类型都是明确的，我们也经常会用元组类型来表示。
表作为流式查询的结果，是动态更新的。所以，将这种动态查询转换成的数据流，同样需要对表的更新操作进行编码，进而有不同的转换模式。
Table API中表到DataStream有两种模式：
- 追加模式（Append Mode）
用于表只会被插入（Insert）操作更改的场景。
- 撤回模式（Retract Mode）
用于任何场景。有些类似于更新模式中Retract模式，它只有Insert和Delete两类操作。
得到的数据会增加一个Boolean类型的标识位（返回的第一个字段），用它来表示到底是新增的数据（Insert），还是被删除的数据（老数据， Delete）。
代码实现如下：
import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.{DataTypes, EnvironmentSettings, Table}
import org.apache.flink.table.api.scala._
import org.apache.flink.table.descriptors.{Csv, Kafka, Schema}
import org.apache.flink.types.Row
object OutputModeTest {
def main(args: Array[String]): Unit = {
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
env.setParallelism(1)
val settings: EnvironmentSettings = EnvironmentSettings.newInstance()
.useOldPlanner()
.inStreamingMode()
.build()
val tableEnv: StreamTableEnvironment = StreamTableEnvironment.create(env, settings)
// 测试动态表的两种模式，toAppendStream和toRecractDStream
// 1. toAppendStream
// 流来源表
tableEnv.connect(new Kafka()
.version("0.11")
.topic("sensor")
.property("bootstrap.servers", "hadoop:9092")
.property("zookeeper.connect", "hadoop:2181")
)
.withFormat(new Csv())
.withSchema(new Schema()
.field("id", DataTypes.STRING())
.field("timestamp", DataTypes.BIGINT())
.field("temperature", DataTypes.DOUBLE())
)
.createTemporaryTable("kafkaSourceData")
// val table: Table = tableEnv.from("kafkaSourceData")
val resultTable: Table = tableEnv.sqlQuery(
"""
|select id,temperature from kafkaSourceData
|""".stripMargin)
// 转换成追加流
val resultStream: DataStream[(String, Double)] = tableEnv.toAppendStream[(String, Double)](resultTable)
val resultStream2: DataStream[Row] = tableEnv.toAppendStream[Row](resultTable)
// 复习下前面的 将Table转换成流
val resultStream3: DataStream[(String, Double)] = resultTable.toAppendStream[(String, Double)]
val resultStream4: DataStream[Row] = resultTable.toAppendStream[Row]
// resultStream.print("resultStream")
// resultStream.print("resultStream2")
// resultStream.print("resultStream3")
// resultStream.print("resultStream4")
// 2.toRecractDStream
val resultTable2: Table = tableEnv.sqlQuery("select id, avg(temperature) from kafkaSourceData group by id")
val aggResultStream: DataStream[(Boolean, Row)] = tableEnv.toRetractStream[Row](resultTable2)
aggResultStream.print("aggResultStream")
/**
*输入
sensor1,188,39.9
sensor1,188,33.9
sensor3,188,37.9
sensor5,188,34.9
sensor2,188,31.9
sensor1,188,30.9
输出
aggResultStream> (true,sensor1,39.9)
aggResultStream> (false,sensor1,39.9)
aggResultStream> (true,sensor1,36.9)
aggResultStream> (true,sensor3,37.9)
aggResultStream> (true,sensor5,34.9)
aggResultStream> (true,sensor2,31.9)
aggResultStream> (false,sensor1,36.9)
aggResultStream> (true,sensor1,34.9)
*/
env.execute("OutputModeTest")
}
}
所以，没有经过groupby之类聚合操作，可以直接用 toAppendStream 来转换；而如果经过了聚合，有更新操作，一般就必须用 toRetractDstream。
2.9 Query的解释和执行
Table API提供了一种机制来解释（Explain）计算表的逻辑和优化查询计划。这是通过TableEnvironment.explain（table）方法或TableEnvironment.explain（）方法完成的。
explain方法会返回一个字符串，描述三个计划：
未优化的逻辑查询计划
优化后的逻辑查询计划
实际执行计划
我们可以在代码中查看执行计划：
val explaination: String = tableEnv.explain(resultTable)
println(explaination)
Query的解释和执行过程，老planner和blink planner大体是一致的，又有所不同。整体来讲，Query都会表示成一个逻辑查询计划，然后分两步解释：
- 优化查询计划
- 解释成 DataStream 或者 DataSet程序
而Blink版本是批流统一的，所以所有的Query，只会被解释成DataStream程序；另外在批处理环境TableEnvironment下，Blink版本要到tableEnv.execute()执行调用才开始解释。