FlinkSQL的联结和函数

联结查询

常规联结

• Inner Join: 结果集取交集
• Outer Join
  • left outer join: 左表的数据全取，右表的数据取与左表匹配的数据
  • right outer join：右表的数据全取，左表的数据取与右表匹配的数据
  • full outer join：左表和右表都取匹配的数据
• 常规联结，会将流中的数据一直保留在状态中，需要考虑状态的清除，可以使用TTL
  • tableEnv.getConfig().getConfiguration().setLong(“table.exec.state.ttl”, 10000);

间隔联结 interval join

• 以一条流中数据的时间为基准，

select
	t1.id,
	t1.vc,
	t2.vc
from t1, t2
where t1.id = t2.id

维表联结 lookUp join

一条流与外部的一张表（维度表）进行联结。

select 
	t1.id,
	t1.vc,
	t2.vc
from t1
join t2 for system_time as of t1.pt
	on t1.id = t2.id;

函数

1. 系统函数
   • API方式：table(call(“UPPER”, $(“id”))).execute().print();
   • SQL方式：tableEnv.sqlQuery(“select UPPER(id), vc, ts from t1”);
2. 自定义函数
   • Scalar Function: UDF 一进一出
     • 继承 ScalarFunction类，实现一个或多个eval()
     • 注册函数：TableEnv.createTemporyFunction(“MyUpper”, MyUpperFunction.class);
   • Table function: UDTF, 一进多出
     • 继承TableFunction类，有泛型，表示输出类型。flink中二元组建议使用Row类型
     • 实现一个或多个eval方法
     • 收集数据时直接使用collect()方法
     • 由于Row类型无法确定元素的个数，需要添加注解@FunctionHint(output=@DataTypeHint("ROW<word string, len int>"))
     • 输出结果需要使用侧写：left join lateral table(mySplit(id)) on true;
   • Aggregate function : UDAF, 多进一出
     • 写个类继承AggregateFunction<OUT, Tuple2<Integer, Integer>输入类型>
     • 实现3个方法：getValue(), createAccumulator(), accumulate()
     • 注册方法：tableEnv.createTemporyFunction()
   • Table aggregate Function: 多进多出 ，UDTAF
     • 写个类继承TableAggregateFunction<OUT, IN>
     • 实现3个方法：createAccumulator(), accumulate()
     • 该类型的方法无法使用SQL的方式来调用，SQL中没有该类型的方法，只能使用API的方式
     • .flatAggregate(call("myTop2"), $ ("vc") )

CataLog目录

1. 默认库 tableEnv.getCurrentDatabase() => default_database
2. 默认目录 tableEnv.getCurrentCataLog() => default_catalog, 名字为GenericInMemeryCatalog
3. 目录包含库，库包含表，方便后期管理。
4. 可以读取外部数据库的表，可以查询外部数据库的表
5. JdbcCataLog不支持创建外部数据表
6. HiveCatalog
   • 需要下载hive-set.xml文件到本地项目中
   • 启动metastore服务：nohup metastore --service &
   • 设置登录用户 setProperties("HADOOP_USER_NAME", "atguigu");
   • Flink只是将元数据存储到了Hive中

Module操作

Flink支持引入Hive中的优秀函数，比如Split(‘aa,bb,cc,dd’, ‘,’).

• 创建 HiveModule hiveModule = new HiveModule();
• 引入：tableEnv.loadModule(“hive”, hiveModule);
• 查看Flink中Module: tableEnv.listModules(); 如果出现同名的函数，会按照当前module的顺序来使用
  • 调换顺序：tableEnv.useModules(“hive”, “core”);

SQL-Client

1. 先启动Flink集群，独立部署模式或者Yarn模式
2. bin/sql_client.sh
3. 建立对应的表
4. 查询表中数据
   • 显示模式
     • set ‘sql-client.execution.result-mode’ = ‘table’
     • set ‘sql-client.execution.result-mode’ = ‘tableau’
     • set ‘sql-client.execution.result-mode’ = ‘changelog’