我要评论
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事it行业的老鸟或是对it行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
table table3 = tableenv.sqlquery("select … from table1 … ");
// 将 table2 的结果使用 table api 写入 outputtable 中，并返回结果
tableresult tableresult = table2.executeinsert(“outputtable”);
tableresult…
总结一下上面案例使用到的一些 api，让大家先对 table / sql api 的能力有一个大概了解：
* `tableenvironment`：table api 和 sql api 的都集成在一个 **统一上下文**（即 `tableenvironment`）中，其地位等同于 datastream api 中的 `streamexecutionenvironment` 的地位
* `tableenvironment::executesql`：用于 sql api 中，可以执行一段完整 ddl、dml sql。举例，方法入参可以是 `create table xxx`，`insert into xxx select xxx from xxx`。
* `tableenvironment::from(xxx)`：用于 table api 中，可以以强类型接口的方式运行。方法入参是一个表名称。
* `tableenvironment::sqlquery`：用于 sql api 中，可以执行一段查询 sql，并把结果以 table 的形式返回。举例，方法的入参是 `select xxx from xxx`。
* `table::executeinsert`：用于将 table 的结果插入到结果表中。方法入参是写入的目标表。
无论是对于 sql api 来说还是对于 table api 来说，都是使用 `tableenvironment` 接口承载我们的业务查询逻辑的。只是在用户的使用接口的方式上有区别，以上述的 java 代码为例，table api 其实就是模拟 sql 的查询方式封装了 java 语言的 lambda 强类型 api，sql 就是纯 sql 查询。table 和 sql 很多时候都是掺杂在一起的，大家理解的时候就可以直接将 table 和 sql api 直接按照 sql 进行理解，不用强行做特殊的区分。
而且博主推荐的话，直接上 sql api 就行，其实 table api 在企业实战中用的不是特别多。你说 table api 方便吧，它确实比 datastream api 方便，但是又比 sql 复杂。一般生产使用不多。
注意：由于 table 和 sql api 基本上属于一回事，后续如果没有特别介绍的话，博主就直接按照 sql api 进行介绍了。
### 2.2 sql 上下文：tableenvironment
`tableenvironment` 是使用 sql api 永远都离不开的一个接口。其是 sql api 使用的入口（上下文），就像是你要使用 java datastream api 去写一个 flink 任务需要使用到 `streamexecutionenvironment` 一样。
可以认为 `tableenvironment` 在 sql api 中的地位和 `streamexecutionenvironment` 在 datastream 中的地位是一样的，都是包含了一个 flink 任务运行时的所有上下文环境信息。大家这样对比学习会比较好理解。
`tableenvironment` 包含的功能如下：
* **catalog 管理**：`catalog` 可以理解为 flink 的 `metastore`，类似 `hive metastore` 对在 hive 中的地位，关于 flink catalog 的详细内容后续进行介绍。
* **表管理**：在 catalog 中注册表。
* **sql 查询**：（这 tmd 还用说，最基本的功能啊），就像 datastream 中提供了 `addsource`、`map`、`flatmap` 等接口。
* **udf 管理**：注册用户定义（标量函数：一进一出、表函数：一进多出、聚合函数：多进一出）函数。
* **udf 扩展**：加载可插拔 module（module 可以理解为 flink 管理 udf 的模块，是可插拔的，可以让小伙伴萌自定义 module，去支持奇奇怪怪的 udf 功能）。
datastream 和 table（table / sql api 的查询结果）之间进行转换：目前
1.13
1.13
1.13 版本的只有流任务支持，批任务不支持。
1.14
1.14
1.14 支持批任务。
接下来介绍如何创建一个 `tableenvironment`。案例为 java。
* **方法 1**：通过 `environmentsettings` 创建 `tableenvironment`
import org.apache.flink.table.api.environmentsettings;
import org.apache.flink.table.api.tableenvironment;
// 1. 就是设置一些环境信息
environmentsettings settings = environmentsettings
.newinstance()
.instreamingmode() // 声明为流任务
//.inbatchmode() // 声明为批任务
.build();
// 2. 创建 tableenvironment
tableenvironment tenv = tableenvironment.create(settings);
在
1.13
1.13
1.13 版本中：
* 如果你是 `instreamingmode`，则最终创建出来的 `tableenvironment` 实例为 `streamtableenvironmentimpl`。
* 如果你是 `inbatchmode`，则最终创建出来的 `tableenvironment` 实例为 `tableenvironmentimpl`。
它两虽然都继承了 `tableenvironment` 接口，但是 `streamtableenvironmentimpl` 支持的功能更多一些。大家可以直接去看看接口实验一下，这里就不进行详细介绍。
* **方法 2**：通过已有的 `streamexecutionenvironment` 创建 `tableenvironment`
import org.apache.flink.streaming.api.environment.streamexecutionenvironment;
import org.apache.flink.table.api.bridge.java.streamtableenvironment;
streamexecutionenvironment env = streamexecutionenvironment.getexecutionenvironment();
streamtableenvironment tenv = streamtableenvironment.create(env);
### 2.3 sql 中表的概念（外部表 table、视图 view）
一个表的全名（标识）会由三个部分组成：**catalog 名称.数据库名称.表名称**。如果 catalog 名称或者数据库名称没有指明，就会使用当前默认值 `default`。
举个例子，下面这个 sql 创建的 table 的全名为 `default.default.table1`。
tableenv.executesql(“create temporary table table1 … with ( ‘connector’ = … )”);
下面这个 sql 创建的 table 的全名为 `default.mydatabase.table1`。
tableenv.executesql(“create temporary table mydatabase.table1 … with ( ‘connector’ = … )”);
**表** 可以是 **常规的**（外部表 table），也可以是 **虚拟的**（视图 view）。
* **外部表 table**：描述的是外部数据，例如文件（hdfs）、消息队列（kafka）等。依然拿离线 hive sql 举个例子，离线中一个表指的是 hive 表，也就是所说的外部数据。
* **视图 view**：从已经存在的表中创建，视图一般是一个 sql 逻辑的查询结果。对比到离线的 hive sql 中，在离线的场景（hive 表）中 view 也都是从已有的表中去创建的。其实 flink 也是一样的。
注意：这里有不同的地方就是，离线 hive metastore 中不会有 catalog 这个概念，其标识都是 **数据库.数据表**。
### 2.4 sql 临时表、永久表
* 表（视图、外部表）可以是 **临时的**，并与单个 flink session（可以理解为 flink 任务运行一次就是一个 session）的生命周期绑定。
* 表（视图、外部表）也可以是 **永久的**，并且对多个 flink session 都生效。
**临时表**：通常保存于内存中并且仅在创建它们的 flink session（可以理解为一次 flink 任务的运行）持续期间存在。这些表对于其它 session（即其他 flink 任务或非此次运行的 flink 任务）是不可见的。因为这个表的元数据没有被持久化。如下案例：
– 临时外部表
create temporary table source_table (
user_id bigint,
name string
) with (
‘connector’ = ‘user_defined’,
‘format’ = ‘json’,
‘class.name’ = ‘flink.examples.sql._03.source_sink.table.user_defined.userdefinedsource’
);
– 临时视图
create temporary view query_view as
select *
from source_table;
**永久表**：需要外部 catalog（例如 hive metastore）来持久化表的元数据。一旦永久表被创建，它将对任何连接到这个 catalog 的 flink session 可见且持续存在，直至从 catalog 中被明确删除。如下案例：
– 永久外部表。需要外部 catalog 持久化！！！
create table source_table (
user_id bigint,
name string
) with (
‘connector’ = ‘user_defined’,
‘format’ = ‘json’,
‘class.name’ = ‘flink.examples.sql._03.source_sink.table.user_defined.userdefinedsource’
);
– 永久视图。需要外部 catalog 持久化！！！
create view query_view as
select *
from source_table;
>
> 🚀 **注意**：如果临时表和永久表使用了相同的名称（**catalog名.数据库名.表名**）。那么在这个 flink session 中，你的任务访问到这个表时，访问到的永远是临时表（即 **相同名称的表，临时表会屏蔽永久表**）。
>
>
>
### 2.5 sql 外部数据表
由于目前在实时数据的场景中多以消息队列作为数据表。此处就以 kafka 为例创建一个外部数据表。
#### 2.5.1 table api 创建外部数据表
public static void main(string[] args) throws exception {
streamexecutionenvironment env =
streamexecutionenvironment.createlocalenvironmentwithwebui(new configuration());
environmentsettings settings = environmentsettings
.newinstance()
.useblinkplanner()
.instreamingmode()
.build();
streamtableenvironment tenv = streamtableenvironment.create(env, settings);
// kafka 数据源
datastream<row> r = env.addsource(new flinkkafkaconsumer<row>(xxx));
// 将 datastream 转为一个 table api 中的 table 对象进行使用
table sourcetable = tenv.fromdatastream(r
, schema
.newbuilder()
.column("f0", "string")
.column("f1", "string")
.column("f2", "bigint")
.columnbyexpression("proctime", "proctime()")
.build());
tenv.createtemporaryview("source\_table", sourcetable);
string selectwheresql = "select f0 from source\_table where f1 = 'b'";
table resulttable = tenv.sqlquery(selectwheresql);
tenv.toretractstream(resulttable, row.class).print();
env.execute();
}
上述案例中，table api 将一个 datastream 的结果集通过 `streamtableenvironment::fromdatastream` 转为一个 table 对象来使用。
#### 2.5.2 sql api 创建外部数据表
environmentsettings settings = environmentsettings
.newinstance()
.useblinkplanner()
.instreamingmode()
.build();
streamtableenvironment tenv = streamtableenvironment.create(env, settings);
// sql api 执行 create table 创建表
tenv.executesql(
“create table kafkasourcetable (\n”
+ " f0 string,\n"
+ " f1 string\n"
+ “) with (\n”
+ " ‘connector’ = ‘kafka’,\n"
+ " ‘topic’ = ‘topic’,\n"
+ " ‘properties.bootstrap.servers’ = ‘localhost:9092’,\n"
+ " ‘properties.group.id’ = ‘testgroup’,\n"
+ " ‘format’ = ‘json’\n"
+ “)”
);
table t = tenv.sqlquery(“select * from kafkasourcetable”);
具体的创建方式就是使用 `create table xxx ddl` 定义一个 kafka 数据源（输入）表（也可以是 kafka 数据汇（输出）表）。
xdm，是不是又和 hive 一样？惊不惊喜意不意外。对比学习 +1。
### 2.6 sql 视图 view
上文已经说了，一个 view 其实就是一段 sql 逻辑的查询结果。
视图 view 在 table api 中的体现就是：一个 table 的 java 对象，其封装了一段查询逻辑。如下案例所示。
#### 2.6.1 table api 创建 view
import org.apache.flink.table.api.environmentsettings;
import org.apache.flink.table.api.tableenvironment;
environmentsettings settings = environmentsettings
.newinstance()
.instreamingmode() // 声明为流任务
.build();
tableenvironment tenv = tableenvironment.create(settings);
// table api 中的一个 table 对象
table projtable = tenv.from(“x”).select(…);
// 将 projtable 创建为一个叫做 projectedtable 的 view
tenv.createtemporaryview(“projectedtable”, projtable);
table api 是使用了 `tableenvironment::createtemporaryview` 接口将一个 table 对象创建为一个 view。
#### 2.6.2 sql api 创建 view
import org.apache.flink.table.api.environmentsettings;
import org.apache.flink.table.api.tableenvironment;
environmentsettings settings = environmentsettings
.newinstance()
.instreamingmode() // 声明为流任务
.build();
tableenvironment tenv = tableenvironment.create(settings);
string sql = “create table source_table (\n”
+ " user_id bigint,\n"
+ " name string\n"
+ “) with (\n”
+ " ‘connector’ = ‘user_defined’,\n"
+ " ‘format’ = ‘json’,\n"
+ " ‘class.name’ = ‘flink.examples.sql._03.source_sink.table.user_defined.userdefinedsource’\n"
+ “);\n”
+ “\n”
+ “create table sink_table (\n”
+ " user_id bigint,\n"
+ " name string\n"
+ “) with (\n”
+ " ‘connector’ = ‘print’\n"
+ “);\n”
+ “create view query_view as\n” // 创建 view
+ “select\n”
+ " *\n"
+ “from source_table\n”
+ “;\n”
+ “insert into sink_table\n”
+ “select\n”
+ " *\n"
+ “from query_view;”;
arrays.stream(sql.split(“;”))
.foreach(tenv::executesql);
sql api 是直接通过一段 `create view query_view as select * from source_table` 来创建的 view，是纯 sql 写法。
这种创建方式是不是贼熟悉，和离线 hive 一样。对比学习 +1。
>
> 🚀 **注意**：在 table api 中的一个 table 对象被后续的多个查询使用的场景下，table 对象不会真的产生一个中间表供下游多个查询去引用，即多个查询不共享这个 table 的结果，小伙伴萌可以理解为是一种中间表的简化写法，不会先产出一个中间表结果，然后将这个结果在下游多个查询中复用，后续的多个查询会将这个 table 的逻辑执行多次。类似于 `with tmp as (dml)` 的语法
>
>
>
### 2.7 一个 sql 查询案例
来看看一个 sql 查询案例。
* 案例场景：计算每一种商品（`sku_id` 唯一标识）的售出个数、总销售额、平均销售额、最低价、最高价。
* 数据准备：数据源为商品的销售流水（`sku_id`：商品，`price`：销售价格），然后写入到 kafka 的指定 `topic` 当中（`sku_id`：商品，`count_result`：售出个数、`sum_result`：总销售额、`avg_result`：平均销售额、`min_result`：最低价、`max_result`：最高价）。
environmentsettings settings = environmentsettings
.newinstance()
.instreamingmode() // 声明为流任务
//.inbatchmode() // 声明为批任务
.build();
tableenvironment tenv = tableenvironment.create(settings);
// 1. 创建一个数据源（输入）表，这里的数据源是 flink 自带的一个随机 mock 数据的数据源。
string sourcesql = “create table source_table (\n”
+ " sku_id string,\n"
+ " price bigint\n"
+ “) with (\n”
+ " ‘connector’ = ‘datagen’,\n"
+ " ‘rows-per-second’ = ‘1’,\n"
+ " ‘fields.sku_id.length’ = ‘1’,\n"
+ " ‘fields.price.min’ = ‘1’,\n"
+ " ‘fields.price.max’ = ‘1000000’\n"
+ “)”;
// 2. 创建一个数据汇（输出）表，输出到 kafka 中
string sinksql = “create table sink_table (\n”
+ " sku_id string,\n"
+ " count_result bigint,\n"
+ " sum_result bigint,\n"
+ " avg_result double,\n"
+ " min_result bigint,\n"
+ " max_result bigint,\n"
+ " primary key (sku\_id) not enforced\n"
+ “) with (\n”
+ " ‘connector’ = ‘upsert-kafka’,\n"
+ " ‘topic’ = ‘tuzisir’,\n"
+ " ‘properties.bootstrap.servers’ = ‘localhost:9092’,\n"
+ " ‘key.format’ = ‘json’,\n"
+ " ‘value.format’ = ‘json’\n"
+ “)”;
// 3. 执行一段 group by 的聚合 sql 查询
string selectwheresql = “insert into sink_table\n”
+ “select sku_id,\n”
+ " count(*) as count_result,\n"
+ " sum(price) as sum_result,\n"
+ " avg(price) as avg_result,\n"
+ " min(price) as min_result,\n"
+ " max(price) as max_result\n"
+ “from source_table\n”
+ “group by sku_id”;
tenv.executesql(sourcesql);
tenv.executesql(sinksql);
tenv.executesql(selectwheresql);
### 2.8 sql 与 datastream api 的转换
大家会比较好奇，要写 sql 就纯 sql 呗，要写 datastream 就纯 datastream 呗，为啥还要把这两类接口做集成呢？
博主举一个案例：在 pdd 这种发补贴券的场景下，希望可以在发的补贴券总金额超过
10000
10000
10000 元时，及时报警出来，来帮助控制预算，防止发的太多。
对应的解决方案，我们可以想到使用 sql 计算补贴券发放的结果，但是 sql 的问题在于无法做到报警。所以我们可以将 sql 的查询的结果（即 table 对象）转为 datastream，然后就可以在 datastream 后自定义报警逻辑的算子。
**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**
**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**
**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**
00
10000 元时，及时报警出来，来帮助控制预算，防止发的太多。
对应的解决方案，我们可以想到使用 sql 计算补贴券发放的结果，但是 sql 的问题在于无法做到报警。所以我们可以将 sql 的查询的结果（即 table 对象）转为 datastream，然后就可以在 datastream 后自定义报警逻辑的算子。
[外链图片转存中...(img-vl8oy5ms-1714985906554)]
[外链图片转存中...(img-bnnayvyl-1714985906555)]
[外链图片转存中...(img-zavylpnr-1714985906555)]
**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**
**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**
**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**
发表评论