快速入门Flink SQL——Sink(Kafka、文本、MySQL、DataStream)

前言

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。
在这里插入图片描述

一、输入到文件

import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.{
    
    DataTypes, Table}
import org.apache.flink.table.api.scala._
import org.apache.flink.table.descriptors.{
    
    Csv, FileSystem, Schema}

/**
 * @Package
 * @author 大数据老哥
 * @date 2020/12/18 0:16
 * @version V1.0
 */
object FlinkSqlSourceFileSinkFile {
    
    
  def main(args: Array[String]): Unit = {
    
    
    // 构建运行环境
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    env.setParallelism(1)
    // 构建Table运行环境
    val tableEnv = StreamTableEnvironment.create(env)
    //通过connect 读取数据
    tableEnv.connect(new FileSystem().path("./data/user.txt"))
      .withFormat(new Csv()) // 设置格式
      .withSchema(new Schema() // 设置元数据信息
        .field("id", DataTypes.STRING())
        .field("name", DataTypes.STRING())
      ).createTemporaryTable("FileInput")

    // 查询数据
    val table: Table = tableEnv.sqlQuery("select * from FileInput")
    //通过connect 输出数据
    tableEnv.connect(new FileSystem().path("./data/output.csv"))
      .withFormat(new Csv()) // 设置格式
      .withSchema(new Schema() // 设置元数据信息
        .field("id", DataTypes.STRING())
        .field("name", DataTypes.STRING())
      ).createTemporaryTable("FileOutput")

    table.insertInto("FileOutput")

    env.execute("FlinkSqlSourceFileSinkFile")
  }
}

二、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。

2.1 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。

2.2 撤回模式（Retract Mode）

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。
为插入（Insert）会被编码为添加消息；
为删除（Delete）则编码为撤回消息；
为更新（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。 \

2.3 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。
在插入（Insert）和更新（Update）都被编码为 Upsert 消息；
在删除（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。

三、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。

实现代码

import org.apache.flink.streaming.api.scala._
import org.apache.flink.table.api.DataTypes
import org.apache.flink.table.api.scala.StreamTableEnvironment
import org.apache.flink.table.descriptors.{
    
    Csv, FileSystem, Kafka, Schema}

/**
 * @Package
 * @author 大数据老哥
 * @date 2020/12/18 16:51
 * @version V1.0
 */
object FlinkSqlSourceFileSinkKafka {
    
    
  def main(args: Array[String]): Unit = {
    
    
    // 构建运行环境
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    // 构建表运行环境
    val tableEnv = StreamTableEnvironment.create(env)
    // 读取文件数据
    tableEnv.connect(new FileSystem().path("./data/user.txt"))
      .withFormat(new Csv())
      .withSchema(new Schema()
        .field("id", DataTypes.STRING())
        .field("name", DataTypes.STRING())
      ).createTemporaryTable("FileInput")
    // 设置kafka的输出
    tableEnv.connect(new Kafka()
      .version("0.11") // 设置kafka的版本
      .topic("FlinkSqlTest") // 设置要连接的主题
      .property("zookeeper.connect", "node01:2181,node02:2181,node03:2181") //设置zookeeper的连接地址跟端口号
      .property("bootstrap.servers", "node01:9092,node02:9092,node03:9092") //设置kafka的连接地址跟端口号
    ).withFormat(new Csv())
      .withSchema(new Schema()
        .field("id", DataTypes.STRING())
        .field("name", DataTypes.STRING())
      ).createTemporaryTable("outPutKafka")

    val res = tableEnv.sqlQuery("select  * from  FileInput")

    res.insertInto("outPutKafka")
    env.execute("FlinkSqlSourceFileSinkKafka")
  }

}

消费kafka中的数据

./kafka-console-consumer.sh --from-beginning --topic FlinkSqlTest  --zookeeper node01:2181,node02:2181,node03:2181

四、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.flink</groupId>
        <artifactId>flink-jdbc_2.12</artifactId>
        <version>1.10.1</version>
    </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：

import org.apache.flink.streaming.api.scala.StreamExecutionEnvironment
import org.apache.flink.table.api.DataTypes
import org.apache.flink.table.api.scala.StreamTableEnvironment
import org.apache.flink.table.descriptors.{
    
    Csv, FileSystem, Schema}

/**
* @Package
* @author 大数据老哥
* @date 2020/12/18 21:17
* @version V1.0
*/
object FlinkSQLSSourceFileSinkMySQL {
    
    
 def main(args: Array[String]): Unit = {
    
    
   // 构建运行环境
   val env = StreamExecutionEnvironment.getExecutionEnvironment
   // 构建表运行环境
   val tableEnv = StreamTableEnvironment.create(env)
   // 读取文件数据
   tableEnv.connect(new FileSystem().path("./data/user.txt"))
     .withFormat(new Csv())
     .withSchema(new Schema()
       .field("id", DataTypes.STRING())
       .field("name", DataTypes.STRING())
     ).createTemporaryTable("FileInput")
   val result = tableEnv.sqlQuery("select * from  FileInput ")
   //定义sql语句
   var sqlinstall=
     """
       |create table jdbcOutputTable (
       |id varchar(10),
       |name varchar(20)
       |) with(
       |'connector.type'='jdbc',
       |'connector.url'='jdbc:mysql://node02:3306/test',
       |'connector.table'='user',
       | 'connector.driver' = 'com.mysql.jdbc.Driver',
       | 'connector.username' = 'root',
       | 'connector.password' = '123456'
       | )
       |""".stripMargin
       tableEnv.sqlUpdate(sqlinstall)
   result.insertInto("jdbcOutputTable")
   env.execute("FlinkSQLSSourceFileSinkMySQL")
 }
}

创建MySQL表

create table user(
    id varchar(10),
    name varchar(20)
)

五、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的数据类型。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。

5.1 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：

val resultStream: DataStream[Row] = tableEnv.toAppendStream[Row](resultTable)
val aggResultStream: DataStream[(Boolean, (String, Long))] = tableEnv.toRetractStream[(String, Long)](aggResultTable)
resultStream.print("result")
aggResultStram.print("aggResult")

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。

六、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。

七、总结

上述讲解了一些关于Flink SQL 输出的内容如我们常用的（kafka、MySQL、文件、DataStream）还有常用的hive的没有写出来，因为hive跟MySQL有点区别后续会单独出一片文章给大家讲解。喜欢的朋友一键三连呗~~ 喜欢小伙伴可以关注我的公众号【大数据老哥】第一时间阅读偶。

微信公众号搜索【大数据老哥】可以获取 200个为你定制的简历模板、大数据面试题、企业面试
题…等等。

资源获取