Flink&Blink【编程模型、核心概念、SQL代码实战】

一.Flink新特性

　　1.支持Scala2.12

　　2.对SQL功能进行完善

　　　　a.Streaming SQL新增Temporal Tables【时态表】

　　　　　　时态表：时态表记录了数据改变的历史状态，该表可以返回特定时间点的表的内容。

　　　　b.Streaming SQL支持模式匹配

　　　　　　模式匹配：Flink CEP是Flink的复杂事件处理库。它允许在流上定义一系列的模式，最终使得可以方便的抽取自己需要的重要事件。

　　　　c.Streaming SQL支持更多特例，例如：REPLACE,REPEAT,LTRIM等函数

　　3.完善Kafka的最新连接器

二.Blink简介

　　阿里巴巴内部Flink版本Blink已经于2019年1月正式开源。Blink最显著的特点就是强大的SQL能力。

　　1.强大的流计算引擎

　　　　a.阿里云实时流计算提供Flink SQL，支持各种Fail场景的自动恢复、保证故障情况下数据处理的准确性。

　　　　b.支持多种内置函数，包括：字符串函数、日期函数、聚合函数等

　　　　c.精确的计算资源控制，高度保证公共云用户作业的隔离性。

　　2.关键性能指标为开源Flink的3~4倍，数据计算延迟优化到秒级甚至亚秒级。单个作业吞吐量可做到百万级别。单集群规模为数千台。

　　3.深度整合各类云数据存储。

三.Flink的编程模型和核心概念

　　1.基本概念

　　　　a.Dlink程序的基础构建模块是流【streams】与转换【transformations】。

　　　　b.每一个数据流起始于一个或多个source，并终止于一个或多个sink。

　　　　

　　　　图解1，单并行度：

　　　　　　

　　　　图解2，多并行度：

　　　　

　　2.窗口window

　　　　a.流上的聚合需要由窗口来划定范围。比如：“计算最近五分钟”。

　　　　b.窗口通常被区分为不同的类型，比如：滚动窗口【没有重叠】、滑动窗口【有重叠】、以及会话窗口【有不活动的间隔所打断】。

　　3.时间time

　　　　a.事件时间，指事件创建的时间。它通常由事件的时间戳描述，例如kafka消息中生成的时间戳。

　　　　b.摄入时间，是事件进入Flink数据流运算符的时间。

　　　　c.处理时间，是每一个执行时间操作的运算符的本地时间。

　　　　图解：

　　　　

　　4.并行度

　　　　Flink程序由多个任务组成【source、transformation和sink】。一个任务由多个并行的实例【线程】来执行，一个任务的并行实例【线程】数目被称为该任务的并行度。

　　　　并行度级别：

　　　　　　a.算子级别，设置flink的编程API设置。

　　　　　　b.运行环境级别，设置executionEnvironment的方式设置并行度。

　　　　　　c.客户端级别，通过设置$FLINK_HOME/bin/flink的-p参数设置。

　　　　　　d.系统级别，设置$FLINK_HOME/conf/flink-conf.yaml文件。

　　　　并行度优先级：

　　　　　　算子级别>运算环境级别>客户端级别>系统级别

　　　　备注：并行度不能大于slot的个数！

四.Flink SQL代码实战

　　1.代码

package cn.sql

import org.apache.flink.api.java.utils.ParameterTool
import org.apache.flink.api.scala._
import org.apache.flink.table.api.TableEnvironment
import org.apache.flink.types.Row

// 样例类
case class Word(word : String, frequency : Int)

/**
  * Created by Administrator on 2020/1/22.
  */
object WordCount {
  def main(args: Array[String]) {
    val params : ParameterTool = ParameterTool.fromArgs(args)

    // 设置execution执行环境
    val env = ExecutionEnvironment.getExecutionEnvironment

    // 设置web界面有效参数
    env.getConfig.setGlobalJobParameters(params)

    val tableEnv = TableEnvironment.getTableEnvironment(env)

    val text = "Apache Flink apache spark apache solr hbase hive flink kafka redis tachyon redis"
    val words = text.toLowerCase.split(" ").map(row => Word(row, 1))

    val input = env.fromCollection(words)
    input.count()

    //val tableData = tableEnv.fromDataSet(input)
    //tableEnv.registerTable("WordCount", tableData) // 注册表
    tableEnv.registerDataSet("WordCount", input) // 注册表

    val table = tableEnv.sqlQuery(
          "SELECT word, SUM(frequency) as frequency FROM WordCount GROUP BY word")
        .filter("frequency > 1") // 过滤长度大于1

    table.printSchema()

    val result = tableEnv.toDataSet[Row](table) // table转dataset。备注：必须添加[Row]，否则报错
    result.print()
  }
}

　　2.执行结果

　　　　

　　　　

　　3.备注

　　　　table转dataset时一定要指定[Row]，不然会报错，如下：