文章目录
1.批数据 SQL
参考代码
package com.czxy.flink.stream
import org.apache.flink.api.scala.ExecutionEnvironment
import org.apache.flink.table.api.{Table, TableEnvironment}
import org.apache.flink.table.api.scala.BatchTableEnvironment
import org.apache.flink.types.Row
/**
* 需求：
* 使用 Flink SQL 统计用户消费订单的总金额、 最大金额、 最小金额、 订单总数。
* 实现步骤：
* 1) 获取一个批处理运行环境
* 2) 获取一个 Table 运行环境
* 3) 创建一个样例类 Order 用来映射数据（订单名、 用户名、 订单日期、 订单金额）
* 4) 基于本地 Order 集合创建一个 DataSet source
* 5) 使用 Table 运行环境将 DataSet 注册为一张表
* 6) 使用 SQL 语句来操作数据（统计用户消费订单的总金额、 最大金额、 最小金额、 订单总数）
* 7) 使用 TableEnv.toDataSet 将 Table 转换为 DataSet
* 8) 打印测试
*/
object BatchFlinkSql {
//3.创建一个样例类 Order 用来映射数据（订单名、 用户名、 订单日期、 订单金额）
case class Order(id:Int,userName:String,createTime:String,money:Double)
def main(args: Array[String]): Unit = {
//1.获取一个批处理运行环境
val env: ExecutionEnvironment = ExecutionEnvironment.getExecutionEnvironment
//2.获取一个 Table 运行环境
val tableEnv: BatchTableEnvironment = TableEnvironment.getTableEnvironment(env)
//4. 基于本地 Order 集合创建一个 DataSet source
import org.apache.flink.api.scala._
val orderDataSet: DataSet[Order] = env.fromElements(
Order(1, "zhangsan", "2018-10-20 15:30", 358.5),
Order(2, "zhangsan", "2018-10-20 16:30", 131.5),
Order(3, "lisi", "2018-10-20 16:30", 127.5),
Order(4, "lisi", "2018-10-20 16:30", 328.5),
Order(5, "lisi", "2018-10-20 16:30", 432.5),
Order(6, "zhaoliu", "2018-10-20 22:30", 451.0),
Order(7, "zhaoliu", "2018-10-20 22:30", 362.0),
Order(8, "zhaoliu", "2018-10-20 22:30", 364.0),
Order(9, "zhaoliu", "2018-10-20 22:30", 341.0)
)
//5. 使用 Table 运行环境将 DataSet 注册为一张表
tableEnv.registerDataSet("t_order",orderDataSet)
//6.使用 SQL 语句来操作数据（统计用户消费订单的总金额、 最大金额、 最小金额、 订单总数）
//订单名、 用户名、 订单日期、 订单金额
val sql=
"""
|select
| userName,
| sum(money) as totalMoney,
| max(money) as maxMoney,
| min(money) as minMoney,
| count(1) as totalCount
| from t_order
| group by userName
|""".stripMargin
val table: Table = tableEnv.sqlQuery(sql)
table.printSchema()
//7.使用 TableEnv.toDataSet 将 Table 转换为 DataSet
val result: DataSet[Row] = tableEnv.toDataSet[Row](table)
//8.打印测试
result.print()
}
}
2. 流数据 SQL
参考代码
package com.czxy.flink.stream
import java.util.UUID
import java.util.concurrent.TimeUnit
import org.apache.flink.streaming.api.TimeCharacteristic
import org.apache.flink.streaming.api.functions.source.{RichSourceFunction, SourceFunction}
import org.apache.flink.streaming.api.functions.timestamps.BoundedOutOfOrdernessTimestampExtractor
import org.apache.flink.streaming.api.scala.{DataStream, StreamExecutionEnvironment}
import org.apache.flink.streaming.api.windowing.time.Time
import org.apache.flink.table.api.{Table, TableEnvironment}
import org.apache.flink.table.api.scala.StreamTableEnvironment
import org.apache.flink.types.Row
import org.apache.flink.api.scala._
import scala.util.Random
/**
* 需求：
* 使用 Flink SQL 来统计 5 秒内 用户的 订单总数、 订单的最大金额、 订单的最小金额。
* 实现思路：
* 1) 获取流处理运行环境
* 2) 获取 Table 运行环境
* 3) 设置处理时间为 EventTime
* 4) 创建一个订单样例类 Order ， 包含四个字段（订单 ID、 用户 ID、 订单金额、 时间戳）
* 5) 创建一个自定义数据源
* a. 使用 for 循环生成 1000 个订单
* b. 随机生成订单 ID（UUID）
* c. 随机生成用户 ID（0-2）
* d. 随机生成订单金额（0-100）
* e. 时间戳为当前系统时间
* f. 每隔 1 秒生成一个订单
* 6) 添加水印， 允许延迟 2 秒
* 7) 导入 import org.apache.flink.table.api.scala._ 隐式参数
* 8) 使用 registerDataStream 注册表， 并分别指定字段， 还要指定 rowtime 字段
* 9) 编写 SQL 语句统计用户订单总数、 最大金额、 最小金额分组时要使用 tumble(时间列,interval '窗口时间' second) 来创建窗口
* 10) 使用 tableEnv.sqlQuery 执行 sql 语句
* 11) 将 SQL 的执行结果转换成 DataStream 再打印出来
* 12) 启动流处理程序
*/
object StreamFlinkSql {
//4.创建一个订单样例类 Order ， 包含四个字段（订单 ID、 用户 ID、 订单金额、 时间戳）
case class Order(orderId: String, userId: Int, money: Long, createTime: Long)
def main(args: Array[String]): Unit = {
//1.获取流处理运行环境
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
//2.获取 Table 运行环境
val tableEnv: StreamTableEnvironment = TableEnvironment.getTableEnvironment(env)
//3.设置处理时间为 EventTime
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
//5.创建一个自定义数据源
val orderDataStream: DataStream[Order] = env.addSource(new RichSourceFunction[Order] {
//定义一个字段boolean
var isRunning: Boolean = true
/**
* a. 使用 for 循环生成 1000 个订单
* b. 随机生成订单 ID（UUID）
* c. 随机生成用户 ID（0-2）
* d. 随机生成订单金额（0-100）
* e. 时间戳为当前系统时间
* f. 每隔 1 秒生成一个订单
*
* @param ctx
*/
override def run(ctx: SourceFunction.SourceContext[Order]): Unit = {
//a. 使用 for 循环生成 1000 个订单
for (i <- 0 until 1000 if isRunning) {
val order: Order = Order(UUID.randomUUID().toString, Random.nextInt(3), Random.nextInt(101), System.currentTimeMillis())
TimeUnit.SECONDS.sleep(1)
ctx.collect(order)
}
}
override def cancel(): Unit = {
isRunning = false
}
})
//6.添加水印， 允许延迟 2 秒
val waterMark: DataStream[Order] = orderDataStream.assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor[Order](Time.seconds(2)) {
override def extractTimestamp(element: Order): Long = {
val eventTime: Long = element.createTime
eventTime
}
})
//7.导入 import org.apache.flink.table.api.scala._ 隐式参数
import org.apache.flink.table.api.scala._
//8.使用 registerDataStream 注册表， 并分别指定字段， 还要指定 rowtime 字段
tableEnv.registerDataStream("t_order",waterMark,'orderId,'userId,'money,'createTime.rowtime)
//9.编写 SQL 语句统计用户订单总数、 最大金额、
// 最小金额分组时要使用 tumble(时间列,interval '窗口时间' second) 来创建窗口
val sql=
"""
| select
| userId,
| count(1) as totalCount,
| max(money) as maxMoney,
| min(money) as minMoney
| from t_order
| group by userId,tumble(createTime,interval '5' second)
|""".stripMargin
//10.使用 tableEnv.sqlQuery 执行 sql 语句
val table: Table = tableEnv.sqlQuery(sql)
table.printSchema()
//11.将 SQL 的执行结果转换成 DataStream 再打印出来
val result: DataStream[Row] = tableEnv.toAppendStream[Row](table)
//12.打印输出
result.print()
env.execute(this.getClass.getSimpleName)
}
}