flink重温笔记（十六）： flinkSQL 顶层 API ——实时数据流结合外部系统

Flink学习笔记

前言：今天是学习 flink 的第 16 天啦！学习了 flinkSQL 与企业级常用外部系统结合，主要是解决大数据领域数据计算后，写入到文件，kafka，还是mysql等 sink 的问题，即数据计算完后保存到哪里的问题！结合自己实验猜想和代码实践，总结了很多自己的理解和想法，希望和大家多多交流！
Tips："分享是快乐的源泉💧，在我的博客里，不仅有知识的海洋🌊，还有满满的正能量加持💪，快来和我一起分享这份快乐吧😊！

喜欢我的博客的话，记得点个红心❤️和小关小注哦！您的支持是我创作的动力！"

---

文章目录

• Flink学习笔记
• • [二、FlinkSQL 连接外部系统](#二、FlinkSQL 连接外部系统)
  • • [1. 输出到文件](#1. 输出到文件)
    • [2. 更新模式（Update Mode）](#2. 更新模式（Update Mode）)
    • • [2.1 追加模式（Append Mode）](#2.1 追加模式（Append Mode）)
      • [2.2 撤回模式（Retract Mode）](#2.2 撤回模式（Retract Mode）)
      • [2.3 更新插入模式（Upsert Mode）](#2.3 更新插入模式（Upsert Mode）)
    • [3. 写入到 Kafka](#3. 写入到 Kafka)
    • [4. 写入到 MySQL](#4. 写入到 MySQL)

二、FlinkSQL 连接外部系统

1. 输出到文件

例子：将表结果输出到文件系统中

package cn.itcast.day01.sink;

import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;
import org.apache.flink.api.common.functions.MapFunction;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.DataTypes;
import org.apache.flink.table.api.EnvironmentSettings;
import org.apache.flink.table.api.Table;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
import org.apache.flink.table.descriptors.ConnectTableDescriptor;
import org.apache.flink.table.descriptors.Csv;
import org.apache.flink.table.descriptors.FileSystem;
import org.apache.flink.table.descriptors.Schema;

import org.apache.flink.table.types.DataType;
import org.apache.flink.types.Row;

import static org.apache.flink.table.api.Expressions.*;


/**
 * @author lql
 * @time 2024-03-12 15:25:14
 * @description TODO
 */
public class FsSinkTest {
    public static void main(String[] args) throws Exception {
        // todo 1) 配置 table 环境
        // 1. 配置流处理环境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);

        // 2. 配置设置环境
        EnvironmentSettings bsSettings = EnvironmentSettings.newInstance()
                .useBlinkPlanner()
                .inStreamingMode()
                .build();

        // 3. 配置表环境
        StreamTableEnvironment bsTableEnv = StreamTableEnvironment.create(env, bsSettings);

        // todo 2) 从文件中读取数据
        String filePath = FsSinkTest.class.getClassLoader().getResource("order.csv").getPath();
        DataStreamSource<String> inputStream = env.readTextFile(filePath);

        // todo 3) 将表数据转化类型
        SingleOutputStreamOperator<OrderInfo> stream = inputStream.map(new MapFunction<String, OrderInfo>() {
            @Override
            public OrderInfo map(String data) throws Exception {
                String[] dataArrary = data.split(",");
                return new OrderInfo(
                        dataArrary[0],
                        dataArrary[1],
                        Double.parseDouble(dataArrary[2]),
                        dataArrary[3]);
            }
        });

        // todo 4) 将数据流转化为表
        Table table = bsTableEnv.fromDataStream(stream);

        // todo 5) 调用 api 方式
        Table result = table
                .select($("id"), $("timestamp"), $("money"), $("category"))
                .filter($("category").isEqual("电脑"));

        // todo 6) 将表转化为流打印
        bsTableEnv.toAppendStream(result, Row.class).print("结果数据>>>");

        // todo 7) 将查询的结果写入到文件中
        ConnectTableDescriptor connectTableDescriptor = bsTableEnv
                .connect(new FileSystem().path("D:\\IDEA_Project\\BigData_Java\\flinksql_pro\\data\\output\\order.txt"))
                .withFormat(new Csv())
                .withSchema(
                        new Schema()
                                .field("id", DataTypes.STRING())
                                .field("name", DataTypes.STRING())
                                .field("money", DataTypes.DOUBLE())
                                .field("category", DataTypes.STRING())
                );

        // todo 8) 将通过connect创建的输出文件注册为表对象
        connectTableDescriptor.createTemporaryTable("outputOrder");

        // todo 9) 将表查询的结果插入到临时表中
        table.executeInsert("outputOrder");

        // todo 10) 执行程序
        env.execute();
    }

    @Data
    @AllArgsConstructor
    @NoArgsConstructor
    public static class OrderInfo {
        private String id;
        private String timestamp;
        private Double money;
        private String category;
    }
}

结果：在 output 目录下生成了一个 order.txt 的文件

总结：

• 1- connect 方法：存储在哪里，存储什么地方，存储什么格式
• 2- createTemporaryTable（）：创建临时表
• 3- 将之前结果表插入到临时表中

---

2. 更新模式（Update Mode）

2.1 追加模式（Append Mode）

• 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）

• 表和外部连接器交换的是添加（Add）和撤回（Retract）消息。
• 应用场景：
  • 当插入数据时，它会被编码为添加消息。
  • 当删除数据时，它会被编码为撤回消息；
  • 当更新数据时，会先发送一个已更新行的撤回消息，然后再发送一个更新行的添加消息。
• 这种模式允许对表中的数据进行修改和删除，但需要注意的是，它不能定义key。

---

2.3 更新插入模式（Upsert Mode）

• 动态表和外部连接器交换 Upsert 和 Delete 消息。
• 这种模式需要一个唯一的 key，通过这个 key 可以传递更新消息。
• 应用场景：
  • 当插入数据时，它会使用 Upsert 消息。
  • 当删除数据时，它会使用 Delete 消息。
  • 当更新数据时，它也会使用 Upsert 消息，并通过 key 来标识要更新的行。
• 这种模式在效率上更高，因为它只需要发送一条消息即可完成更新操作。

---

案例演示：从 kafka 读取数据，实时聚合操作，撤回模式

package cn.itcast.day01.sink;

import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.DataTypes;
import org.apache.flink.table.api.EnvironmentSettings;
import org.apache.flink.table.api.Table;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
import org.apache.flink.table.descriptors.Csv;
import org.apache.flink.table.descriptors.Kafka;
import org.apache.flink.table.descriptors.Schema;
import org.apache.flink.types.Row;

import static org.apache.flink.table.api.Expressions.*;

/**
 * @author lql
 * @time 2024-03-12 17:33:03
 * @description TODO
 */
public class KafkaSinkTest {
    public static void main(String[] args) throws Exception {
        // todo 1) 初始化 flinkSQL 环境
        // 1.1 配置流处理环境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);

        // 1.2 配置setting环境
        EnvironmentSettings bsSettings = EnvironmentSettings.newInstance()
                .useBlinkPlanner()
                .inStreamingMode()
                .build();

        // 1.3 配置表表环境
        StreamTableEnvironment tbEnv = StreamTableEnvironment.create(env, bsSettings);

        // todo 2) 读取 kafka 数据源
        tbEnv.connect(
                new Kafka()
                .version("universal") // 指定 kafka 版本
                .topic("order") // 定义主题
                .property("bootstrap.servers","node1:9092")
        ).withFormat(new Csv())
                .withSchema(new Schema()
                        .field("id", DataTypes.STRING())
                        .field("timestamp", DataTypes.STRING())
                        .field("money", DataTypes.DOUBLE())
                        .field("category", DataTypes.STRING())
                        .field("pt", DataTypes.TIMESTAMP(3))
                        // 使用 protime，指定字段名定义处理时间字段
                        // 这个 proctime 属性只能通过附加逻辑字段，进行扩展物理 schema
                        .proctime()
                ).createTemporaryTable("kafkaInputTable");

        // todo 3) 表的查询操作
        // 3.1 通过表环境获取到数据表：from
        Table orderTable = tbEnv.from("kafkaInputTable");

        // 3.2 将表转为 stream 后打印
        tbEnv.toAppendStream(orderTable, Row.class).print("Table API>>>>");

        // 3.2 调用 table api 进行聚合操作
        Table aggResultTable = orderTable.groupBy($("category"))
                .select($("category"),
                        $("money").sum().as("totalMoney"),
                        $("id").count().as("cnt")
                );

        tbEnv.toRetractStream(aggResultTable,Row.class).print("agg result:>>>");

        // todo 4) 启动程序，将数据写入到kafka的时候，可以不加execute代码
        env.execute();
    }
}

结果：显示 false 即撤回，显示 true 即添加

Table API>>>>> +I[user_001, 1621718199, 10.1, 电脑, 2024-03-12T10:42:18.335Z]
agg result:>>>> (true,+I[电脑, 10.1, 1])
Table API>>>>> +I[user_001, 1621718201, 14.1, 手机, 2024-03-12T10:42:33.626Z]
agg result:>>>> (true,+I[手机, 14.1, 1])
Table API>>>>> +I[user_002, 1621718202, 82.5, 手机, 2024-03-12T10:42:50.130Z]
agg result:>>>> (false,-U[手机, 14.1, 1])
agg result:>>>> (true,+U[手机, 96.6, 2])

总结：

• 实时聚合操作结果不可以简单 toAppendStream 打印，需要使用更新模式toRetractStream！
• 这种聚合结果更新操作暂时不适合写入 kafka！

---

3. 写入到 Kafka

例子：将查询的结果数据写入到 kafka 中

package cn.itcast.day01.sink;

import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.DataTypes;
import org.apache.flink.table.api.EnvironmentSettings;
import org.apache.flink.table.api.Table;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
import org.apache.flink.table.descriptors.Csv;
import org.apache.flink.table.descriptors.Kafka;
import org.apache.flink.table.descriptors.Schema;
import org.apache.flink.types.Row;

import static org.apache.flink.table.api.Expressions.*;

/**
 * @author lql
 * @time 2024-03-12 19:29:56
 * @description TODO
 */
public class KafkaSinkTest1 {
    public static void main(String[] args) throws Exception {
        // Todo 1) 配置 flink SQL 环境
        // 1. 配置流处理环境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);

        // 2. 配置 flink settings 环境
        EnvironmentSettings bsSettings = EnvironmentSettings.newInstance()
                .useBlinkPlanner()
                .inStreamingMode()
                .build();

        // 3. 配置表环境
        StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env, bsSettings);

        // Todo 2) kafka 数据源
        tableEnv.connect(new Kafka()
                .version("universal")
                .topic("order")
                .property("bootstrap.servers","node1:9092")
        ).withFormat(new Csv())
                .withSchema(new Schema()
                        .field("id", DataTypes.STRING())
                        .field("timestamp", DataTypes.STRING())
                        .field("money", DataTypes.DOUBLE())
                        .field("category", DataTypes.STRING())
                        .field("pt", DataTypes.TIMESTAMP(3))
                        // 使用 protime，指定字段名定义处理时间字段
                        // 这个 proctime 属性只能通过附加逻辑字段，进行扩展物理 schema
                        .proctime()
                ).createTemporaryTable("kafkaInputTable");

        // Todo 3) table API方式提取数据
        // 3.1 通过表环境获取数据表
        Table ordertable = tableEnv.from("kafkaInputTable");
        tableEnv.toAppendStream(ordertable, Row.class).print("Table API>>>");

        // 3.2 编写逻辑提取数据
        Table tableResult = ordertable
                .select($("id"), $("timestamp"), $("money"), $("category"))
                .filter($("category").isEqual("电脑"));

        // 3.3 将表数据转化为流数据打印
        tableEnv.toAppendStream(tableResult, Row.class).printToErr("API 抽取的数据>>>");

        // Todo 4) 将抽取的数据写入到 kafka 中
        tableEnv.connect(new Kafka()
                .version("universal") //指定版本
                .topic("orderResult")//定义主题
                .property("bootstrap.servers", "node1:9092")
        ).withFormat(new Csv())
                .withSchema(new Schema()
                        .field("id", DataTypes.STRING())
                        .field("timestamp", DataTypes.STRING())
                        .field("money", DataTypes.DOUBLE())
                        .field("category", DataTypes.STRING())
                ).createTemporaryTable("kafkaOutputTable");

        //todo 5）将查询结果输出到kafka中
        tableResult.executeInsert("kafkaOutputTable");

        //todo 6) 注意：将数据写入到kafka的时候，可以不加execute代码
        env.execute();
    }
}

结果：kafka 的 orderResult 这个主题中保存了数据！

总结：

• 结果表，调用 executeInsert 写入到 sink 表中！
• 在读取数据源的时候，添加了一个字段 pt，调用 proctime 方法，作为处理时间！

---

4. 写入到 MySQL

样本数据：

{"id":1,"timestamp":"2020-05-08T01:03.00Z","category":"电脑","areaName":"石家庄","money":"1450"}
{"id":2,"timestamp":"2020-05-08T01:01.00Z","category":"手机","areaName":"北京","money":"1450"}
{"id":3,"timestamp":"2020-05-08T01:03.00Z","category":"手机","areaName":"北京","money":"8412"}
{"id":4,"timestamp":"2020-05-08T05:01.00Z","category":"电脑","areaName":"上海","money":"1513"}
{"id":5,"timestamp":"2020-05-08T01:03.00Z","category":"家电","areaName":"北京","money":"1550"}
{"id":6,"timestamp":"2020-05-08T01:01.00Z","category":"电脑","areaName":"深圳","money":"1550"}

mysql 数据表：

DROP TABLE IF EXISTS `order_test`;
CREATE TABLE `order_test` (
  `id` varchar(255) NOT NULL,
  `timestamp` varchar(255) DEFAULT NULL,
  `category` varchar(255) DEFAULT NULL,
  `areaName` varchar(255) DEFAULT NULL,
  `money` double DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

案例演示：

package cn.itcast.day01.sink;

import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.EnvironmentSettings;
import org.apache.flink.table.api.Table;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
import org.apache.flink.types.Row;

/**
 * @author lql
 * @time 2024-03-12 20:35:31
 * @description TODO
 */
public class MySQLSinkTest {
    public static void main(String[] args) throws Exception {
        // Todo 1) 配置 flink SQL 环境
        // 1. 配置流处理环境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);

        // 2. 配置 flink settings 环境
        EnvironmentSettings bsSettings = EnvironmentSettings.newInstance()
                .useBlinkPlanner()
                .inStreamingMode()
                .build();

        // 3. 配置表环境
        StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env, bsSettings);

        // Todo 2) 配置 kafka 数据源，使用建表的方式，注意指定数据源是 json
        String sourceTable = "CREATE TABLE KafkaInputTable (\n" +
                "  `id` varchar,\n" +
                "  `timestamp` varchar,\n" +
                "  `category` varchar,\n" +
                "  `areaName` varchar,\n" +
                "  `money` double\n" +
                ") WITH (\n" +
                "  'connector' = 'kafka',\n" +
                "  'topic' = 'order',\n" +
                "  'properties.bootstrap.servers' = 'node1:9092',\n" +
                "  'properties.group.id' = 'testGroup',\n" +
                "  'scan.startup.mode' = 'earliest-offset',\n" +
                "  'format' = 'json'\n" +
                ")";

        // 执行建立数据源表语句
        tableEnv.executeSql(sourceTable);

        // Todo 3) 表的查询
        Table orderTable = tableEnv.from("KafkaInputTable");

        // 将表数据转化为 datastream，并打印出来
        tableEnv.toAppendStream(orderTable, Row.class).print("SQL>>>");

        // Todo 4) 将结果数据写入到 mysql中
        String sinkTable = "CREATE TABLE order_test (\n" +
                "  `id` varchar,\n" +
                "  `timestamp` varchar,\n" +
                "  `category` varchar,\n" +
                "  `areaName` varchar,\n" +
                "  `money` double\n" +
                ") WITH (\n" +
                "   'connector' = 'jdbc',\n" +
                "   'url' = 'jdbc:mysql://node1:3306/test?characterEncoding=utf-8&useSSL=false',\n" +
                "   'table-name' = 'order_test'," +
                "   'driver'='com.mysql.jdbc.Driver'," +
                "   'username' = 'root'," +
                "   'password' = '123456'," +
                "   'sink.buffer-flush.interval'='1s'," +
                "   'sink.buffer-flush.max-rows'='1'," +
                "   'sink.max-retries' = '5'" +
                ")";

        // 执行建表数据
        tableEnv.executeSql(sinkTable);

        // 插入语句逻辑
        //定义sql语句
        String insert = "INSERT INTO order_test SELECT * FROM KafkaInputTable";

        //todo 5）将源表的数据写入到目标表中
        tableEnv.executeSql(insert);
        env.execute();
    }
}

结果：json 数据源源不断，解析到 mysql 里面

总结：

• kafka 作为数据源，mysql 作为 sink，都可以用建表的方式解决！
• 原理就是查询一个表，插入到另一个表中！

---