1、启动Flink SQL

首先启动Flink的集群,选择独立集群模式或者是session的模式。此处选择是时session的模式:

yarn-session.sh -d

在启动Flink SQL的client:

sql-client.sh

2、kafka SQL 连接器

在使用kafka作为数据源的时候需要上传jar包到flnik的lib下:

/usr/local/soft/flink-1.15.2/lib

可以去官网找对应的版本下载上传。

 

1、创建表:

再流上定义表

再flink中创建表相当于创建一个视图(视图中不存数据,只有查询视图时才会去原表中读取数据)

CREATE TABLE students (

sid STRING,

name STRING,

age INT,

sex STRING,

clazz STRING

) WITH (

'connector' = 'kafka',

'topic' = 'student',

'properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092',

'properties.group.id' = 'testGroup',

'scan.startup.mode' = 'earliest-offset',

'format' = 'csv'

)

2、查询数据(连续查询):

select clazz,count(1) as c from students group by clazz;

3、客户端为维护和可视化结果提供了三种的模式:

        1、表格模式(默认使用的模式),(table mode),在内存中实体化结果,并将结果用规则的分页表格可视化展示出来

SET 'sql-client.execution.result-mode' = 'table';

        2、变更日志模式,(changelog mode),不会实体化和可视化结果,而是由插入(+)和撤销(-)组成的持续查询产生结果流。

SET 'sql-client.execution.result-mode' = 'changelog';

        3、Tableau模式(tableau mode)更接近传统的数据库,会将执行的结果以制表的形式直接打在屏幕之上。具体显示的内容会取决于作业 执行模式的不同(execution.type):

SET 'sql-client.execution.result-mode' = 'tableau';

4、 Flink SQL流批一体:

        1、流处理:

                a、流处理即可以处理有界流也可以处理无界流

                b、流处理的输出的结果是连续的结果

                c、流处理的底层是持续流的模型,上游的Task和下游的Task同时启动等待数据的到达

SET 'execution.runtime-mode' = 'streaming';

        2、批处理:

                a、批处理只能用于处理有界流

                b、输出的是最终的结果

                c、批处理的底层是MapReduce模型,会先执行上游的Task,在执行下游的Task 

SET 'execution.runtime-mode' = 'batch';

Flink做批处理,读取一个文件:

-- 创建一个有界流的表

CREATE TABLE students_hdfs (

sid STRING,

name STRING,

age INT,

sex STRING,

clazz STRING

)WITH (

'connector' = 'filesystem', -- 必选:指定连接器类型

'path' = 'hdfs://master:9000/data/spark/stu/students.txt', -- 必选:指定路径

'format' = 'csv' -- 必选:文件系统连接器指定 format

);

select clazz,count(1) as c from

students_hdfs

group by clazz

5、Flink SQL的连接器:

        1、kafka SQL 连接器

对于一些参数需要从官网进行了解。

                1、kafka source 

-- 创建kafka 表

CREATE TABLE students_kafka (

`offset` BIGINT METADATA VIRTUAL, -- 偏移量

`event_time` TIMESTAMP(3) METADATA FROM 'timestamp', --数据进入kafka的时间,可以当作事件时间使用

sid STRING,

name STRING,

age INT,

sex STRING,

clazz STRING

) WITH (

'connector' = 'kafka',

'topic' = 'students', -- 数据的topic

'properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092', -- broker 列表

'properties.group.id' = 'testGroup', -- 消费者组

'scan.startup.mode' = 'earliest-offset', -- 读取数据的位置earliest-offset latest-offset

'format' = 'csv' -- 读取数据的格式

);

                2、kafka sink 

-- 创建kafka 表

CREATE TABLE students_kafka_sink (

sid STRING,

name STRING,

age INT,

sex STRING,

clazz STRING

) WITH (

'connector' = 'kafka',

'topic' = 'students_sink', -- 数据的topic

'properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092', -- broker 列表

'properties.group.id' = 'testGroup', -- 消费者组

'scan.startup.mode' = 'earliest-offset', -- 读取数据的位置earliest-offset latest-offset

'format' = 'csv' -- 读取数据的格式

);

-- 将查询结果保存到kafka中

insert into students_kafka_sink

select * from students_hdfs;

kafka-console-consumer.sh --bootstrap-server master:9092,node1:9092,node2:9092 --from-beginning --topic students_sink

        3、将更新的流写入到kafka中 

因为在Kafka是一个消息队列,是不会去重的。所以只需要将读取数据的格式改成canal-json。当数据被读取回来还是原来的流模式。

CREATE TABLE clazz_num_kafka (

clazz STRING,

num BIGINT

) WITH (

'connector' = 'kafka',

'topic' = 'clazz_num', -- 数据的topic

'properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092', -- broker 列表

'properties.group.id' = 'testGroup', -- 消费者组

'scan.startup.mode' = 'earliest-offset', -- 读取数据的位置earliest-offset latest-offset

'format' = 'canal-json' -- 读取数据的格式

);

-- 将更新的数据写入kafka需要使用canal-json格式,数据中会带上操作类型

{"data":[{"clazz":"文科一班","num":71}],"type":"INSERT"}

{"data":[{"clazz":"理科三班","num":67}],"type":"DELETE"}

insert into clazz_num_kafka

select clazz,count(1) as num from

students

group by clazz;

kafka-console-consumer.sh --bootstrap-server master:9092,node1:9092,node2:9092 --from-beginning --topic clazz_num

        2、 hdfs SQL 连接器

                1、hdfs source

                        Flink读取文件可以使用有界流的方式,也可以是无界流方式。

-- 有界流

CREATE TABLE students_hdfs_batch (

sid STRING,

name STRING,

age INT,

sex STRING,

clazz STRING

)WITH (

'connector' = 'filesystem', -- 必选:指定连接器类型

'path' = 'hdfs://master:9000/data/student', -- 必选:指定路径

'format' = 'csv' -- 必选:文件系统连接器指定 format

);

select * from students_hdfs_batch;

-- 无界流

-- 基于hdfs做流处理,读取数据是以文件为单位,延迟比kafka大

CREATE TABLE students_hdfs_stream (

sid STRING,

name STRING,

age INT,

sex STRING,

clazz STRING

)WITH (

'connector' = 'filesystem', -- 必选:指定连接器类型

'path' = 'hdfs://master:9000/data/student', -- 必选:指定路径

'format' = 'csv' , -- 必选:文件系统连接器指定 format

'source.monitor-interval' = '5000' -- 每隔一段时间扫描目录,生成一个无界流

);

select * from students_hdfs_stream;

                2、hdfs sink

-- 1、批处理模式(使用方式和底层原理和hive类似)

SET 'execution.runtime-mode' = 'batch';

-- 创建表

CREATE TABLE clazz_num_hdfs (

clazz STRING,

num BIGINT

)WITH (

'connector' = 'filesystem', -- 必选:指定连接器类型

'path' = 'hdfs://master:9000/data/clazz_num', -- 必选:指定路径

'format' = 'csv' -- 必选:文件系统连接器指定 format

);

-- 将查询结果保存到表中

insert into clazz_num_hdfs

select clazz,count(1) as num

from students_hdfs_batch

group by clazz;

-- 2、流处理模式

SET 'execution.runtime-mode' = 'streaming';

-- 创建表,如果查询数据返回的十更新更改的流需要使用canal-json格式

CREATE TABLE clazz_num_hdfs_canal_json (

clazz STRING,

num BIGINT

)WITH (

'connector' = 'filesystem', -- 必选:指定连接器类型

'path' = 'hdfs://master:9000/data/clazz_num_canal_json', -- 必选:指定路径

'format' = 'canal-json' -- 必选:文件系统连接器指定 format

);

insert into clazz_num_hdfs_canal_json

select clazz,count(1) as num

from students_hdfs_stream

group by clazz;

3、MySQL SQL 连接器

        1、整合:

# 1、上传依赖包到flink 的lib目录下/usr/local/soft/flink-1.15.2/lib

flink-connector-jdbc-1.15.2.jar

mysql-connector-java-5.1.49.jar

# 2、需要重启flink集群

yarn application -kill [appid]

yarn-session.sh -d

# 3、重新进入sql命令行

sql-client.sh

         2、mysql   source 

-- 有界流

-- flink中表的字段类型和字段名需要和mysql保持一致

CREATE TABLE students_jdbc (

id BIGINT,

name STRING,

age BIGINT,

gender STRING,

clazz STRING,

PRIMARY KEY (id) NOT ENFORCED -- 主键

) WITH (

'connector' = 'jdbc',

'url' = 'jdbc:mysql://master:3306/student',

'table-name' = 'students',

'username' ='root',

'password' ='123456'

);

select * from students_jdbc;

        3、mysql sink 

-- 创建kafka 表

CREATE TABLE students_kafka (

`offset` BIGINT METADATA VIRTUAL, -- 偏移量

`event_time` TIMESTAMP(3) METADATA FROM 'timestamp', --数据进入kafka的时间,可以当作事件时间使用

sid STRING,

name STRING,

age INT,

sex STRING,

clazz STRING

) WITH (

'connector' = 'kafka',

'topic' = 'students', -- 数据的topic

'properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092', -- broker 列表

'properties.group.id' = 'testGroup', -- 消费者组

'scan.startup.mode' = 'earliest-offset', -- 读取数据的位置earliest-offset latest-offset

'format' = 'csv' -- 读取数据的格式

);

-- 创建mysql sink表

CREATE TABLE clazz_num_mysql (

clazz STRING,

num BIGINT,

PRIMARY KEY (clazz) NOT ENFORCED -- 主键

) WITH (

'connector' = 'jdbc',

'url' = 'jdbc:mysql://master:3306/student',

'table-name' = 'clazz_num',

'username' ='root',

'password' ='123456'

);

--- 再mysql创建接收表

CREATE TABLE clazz_num (

clazz varchar(10),

num BIGINT,

PRIMARY KEY (clazz) -- 主键

) ;

-- 将sql查询结果实时写入mysql

-- 将更新更改的流写入mysql,flink会自动按照主键更新数据

insert into clazz_num_mysql

select

clazz,

count(1) as num from

students_kafka

group by clazz;

kafka-console-producer.sh --broker-list master:9092,node1:9092,node2:9092 --topic students 插入一条数据

        4、DataGen:用于生成随机数据,一般用在高性能测试上

-- 创建包(只能用于source表)

CREATE TABLE students_datagen (

sid STRING,

name STRING,

age INT,

sex STRING,

clazz STRING

) WITH (

'connector' = 'datagen',

'rows-per-second'='5', -- 每秒随机生成的数据量

'fields.age.min'='1',

'fields.age.max'='100',

'fields.sid.length'='10',

'fields.name.length'='2',

'fields.sex.length'='1',

'fields.clazz.length'='4'

);

        5、print:用于高性能测试 只能用于sink表

CREATE TABLE print_table (

sid STRING,

name STRING,

age INT,

sex STRING,

clazz STRING

) WITH (

'connector' = 'print'

);

insert into print_table

select * from students_datagen;

结果需要在提交的任务中查看。

        6、BlackHole :是用于高性能测试使用,在后面可以用于Flink的反压的测试。

CREATE TABLE blackhole_table (

sid STRING,

name STRING,

age INT,

sex STRING,

clazz STRING

) WITH (

'connector' = 'blackhole'

);

insert into blackhole_table

select * from students_datagen;

6、SQL 语法

        1、Hints:

               用于提示执行,在Flink中可以动态的修改表中的属性,在Spark中可以用于广播。在修改动态表中属性后,不需要在重新建表,就可以读取修改后的需求。

CREATE TABLE students_kafka (

`offset` BIGINT METADATA VIRTUAL, -- 偏移量

`event_time` TIMESTAMP(3) METADATA FROM 'timestamp', --数据进入kafka的时间,可以当作事件时间使用

sid STRING,

name STRING,

age INT,

sex STRING,

clazz STRING

) WITH (

'connector' = 'kafka',

'topic' = 'students', -- 数据的topic

'properties.bootstrap.servers' = 'master:9092,node1:9092,node2:9092', -- broker 列表

'properties.group.id' = 'testGroup', -- 消费者组

'scan.startup.mode' = 'latest-offset', -- 读取数据的位置earliest-offset latest-offset

'format' = 'csv' -- 读取数据的格式

);

-- 动态修改表属性,可以在查询数据时修改读取kafka数据的位置,不需要重新创建表

select * from students_kafka /*+ OPTIONS('scan.startup.mode' = 'earliest-offset') */;

-- 有界流

CREATE TABLE students_hdfs (

sid STRING,

name STRING,

age INT,

sex STRING,

clazz STRING

)WITH (

'connector' = 'filesystem', -- 必选:指定连接器类型

'path' = 'hdfs://master:9000/data/student', -- 必选:指定路径

'format' = 'csv' -- 必选:文件系统连接器指定 format

);

-- 可以在查询hdfs时,不需要再重新的创建表就可以动态改成无界流

select * from students_hdfs /*+ OPTIONS('source.monitor-interval' = '5000' ) */;

         2、WITH:

                当一段SQL语句在被多次使用的时候,就将通过with给这个SQL起一个别名,类似于封装起来,就是为这个SQL创建一个临时的视图(并不是真正的视图),方便下次使用。

CREATE TABLE students_hdfs (

sid STRING,

name STRING,

age INT,

sex STRING,

clazz STRING

)WITH (

'connector' = 'filesystem', -- 必选:指定连接器类型

'path' = 'hdfs://master:9000/data/student', -- 必选:指定路径

'format' = 'csv' -- 必选:文件系统连接器指定 format

);

-- 可以在查询hdfs时,不需要再重新的创建表就可以动态改成无界流

select * from students_hdfs /*+ OPTIONS('source.monitor-interval' = '5000' ) */;

-- tmp别名代表的时子查询的sql,可以在后面的sql中多次使用

with tmp as (

select * from students_hdfs

/*+ OPTIONS('source.monitor-interval' = '5000' ) */

where clazz='文科一班'

)

select * from tmp

union all

select * from tmp;

        3、DISTINCT:

在flink 的流处理中,使用distinct,flink需要将之前的数据保存在状态中,如果数据一直增加,状态会越来越大 状态越来越大,checkpoint时间会增加,最终会导致flink任务出问题

select

count(distinct sid)

from students_kafka /*+ OPTIONS('scan.startup.mode' = 'earliest-offset') */;

select

count(sid)

from (

select

distinct *

from students_kafka /*+ OPTIONS('scan.startup.mode' = 'earliest-offset') */

);

注意事项:

       1、 当Flink Client客户端退出来以后,里面创建的动态表就不存在了。这些表结构是元数据,是存储在内存中的。

        2、当在进行where过滤的时候,字符串会出现三种情况:空的字符串、空格字符串、null的字符串,三者是有区别的:

        这三者是不同的概念,在进行where过滤的时候过滤的条件是不同的。

1、过滤空的字符串:

where s!= ‘空字符串’

2、过滤空格字符串:

where s!= ‘空格’

3、过滤null字符串:

where s!= null

Flink SQL中常见的函数:

from_unixtime:

以字符串格式 string 返回数字参数 numberic 的表示形式(默认为 ‘yyyy-MM-dd HH:mm:ss’

to_timestamp:

将格式为 string2(默认为:‘yyyy-MM-dd HH:mm:ss’)的字符串 string1 转换为 timestamp

相关阅读

评论可见,请评论后查看内容,谢谢!!!
 您阅读本篇文章共花了: