您好,登錄后才能下訂單哦!
本篇內(nèi)容介紹了“如何使用FlinkSQL內(nèi)置函數(shù)”的有關(guān)知識,在實際案例的操作過程中,不少人都會遇到這樣的困境,接下來就讓小編帶領(lǐng)大家學習一下如何處理這些情況吧!希望大家仔細閱讀,能夠?qū)W有所成!
前言
Flink Table 和 SQL 內(nèi)置了很多 SQL 中支持的函數(shù);如果有無法滿足的需要,則可以實現(xiàn)用戶自定義的函數(shù)(UDF)來解決。
一、系統(tǒng)內(nèi)置函數(shù)
Flink Table API 和 SQL 為用戶提供了一組用于數(shù)據(jù)轉(zhuǎn)換的內(nèi)置函數(shù)。SQL 中支持的很多函數(shù),Table API 和 SQL 都已經(jīng)做了實現(xiàn),其它還在快速開發(fā)擴展中。
以下是一些典型函數(shù)的舉例,全部的內(nèi)置函數(shù),可以參考官網(wǎng)介紹。
類型 | TableApi | SQLAPI |
---|---|---|
比較函數(shù) | ANY1 === ANY2 | value1 = value2 |
比較函數(shù) | NY1 > ANY2 | value1 > value2 |
邏輯函數(shù) | BOOLEAN1 || BOOLEAN2 | boolean1 OR boolean2 |
邏輯函數(shù) | BOOLEAN.isFalse | boolean IS FALSE |
邏輯函數(shù) | !BOOLEAN | NOT boolean |
算術(shù)函數(shù) | NUMERIC1 + NUMERIC2 | numeric1 + numeric2 |
算術(shù)函數(shù) | NUMERIC1.power(NUMERIC2) | POWER(numeric1, numeric2) |
字符串函數(shù) | STRING1 + STRING2 | string1 || string2 |
字符串函數(shù) | STRING.upperCase() | UPPER(string) |
字符串函數(shù) | STRING.charLength() | CHAR_LENGTH(string) |
時間函數(shù) | STRING.toDate | DATE string |
時間函數(shù) | STRING.toTimestamp | TIMESTAMP string |
時間函數(shù) | currentTime() | CURRENT_TIME |
時間函數(shù) | NUMERIC.days | INTERVAL string range |
時間函數(shù) | NUMERIC.minutes | |
聚合函數(shù) | FIELD.count | COUNT(*) |
聚合函數(shù) | FIELD.sum0 | SUM([ ALL | DISTINCT ] expression) |
聚合函數(shù) | RANK() | |
聚合函數(shù) | ROW_NUMBER() |
二、Flink UDF
用戶定義函數(shù)(User-defined Functions,UDF)是一個重要的特性,因為它們顯著地擴展了查詢(Query)的表達能力。一些系統(tǒng)內(nèi)置函數(shù)無法解決的需求,我們可以用 UDF 來自定義實現(xiàn)。
2.1 注冊用戶自定義函數(shù) UDF
在大多數(shù)情況下,用戶定義的函數(shù)必須先注冊,然后才能在查詢中使用。不需要專門為Scala 的 Table API 注冊函數(shù)。
函數(shù)通過調(diào)用 registerFunction()方法在 TableEnvironment 中注冊。當用戶定義的函數(shù)被注冊時,它被插入到 TableEnvironment 的函數(shù)目錄中,這樣 Table API 或 SQL 解析器就可以識別并正確地解釋它。
2.2 標量函數(shù)(Scalar Functions)
用戶定義的標量函數(shù),可以將 0、1 或多個標量值,映射到新的標量值。
為了定義標量函數(shù),必須在 org.apache.flink.table.functions 中擴展基類 Scalar Function,并實現(xiàn)(一個或多個)求值(evaluation,eval)方法。標量函數(shù)的行為由求值方法決定,求值方法必須公開聲明并命名為 eval(直接 def 聲明,沒有 override)。求值方法的參數(shù)類型和返回類型,確定了標量函數(shù)的參數(shù)和返回類型。
在下面的代碼中,我們定義自己的 HashCode 函數(shù),在 TableEnvironment 中注冊它,并在查詢中調(diào)用它。
準備數(shù)據(jù)
sensor_1,1547718199,35.8 sensor_6,1547718201,15.4 sensor_7,1547718202,6.7 sensor_10,1547718205,38.1 sensor_1,1547718206,32 sensor_1,1547718208,36.2 sensor_1,1547718210,29.7 sensor_1,1547718213,30.9
代碼如下
package udf import org.apache.flink.streaming.api.scala._ import org.apache.flink.table.api.DataTypes import org.apache.flink.table.api.scala._ import org.apache.flink.table.descriptors.{Csv, FileSystem, Schema} import org.apache.flink.table.functions.ScalarFunction import org.apache.flink.types.Row /** * @Package udf * @File :FlinkSqlUdfHashCode.java * @author 大數(shù)據(jù)老哥 * @date 2020/12/29 21:58 * @version V1.0 */ object FlinkSqlUdfHashCode { def main(args: Array[String]): Unit = { //1.構(gòu)建運行環(huán)境 val env = StreamExecutionEnvironment.getExecutionEnvironment env.setParallelism(1) // 設置并行度為1 //2.構(gòu)建TableEnv val tableEnv = StreamTableEnvironment.create(env) //3.構(gòu)建數(shù)據(jù)源 tableEnv.connect(new FileSystem().path("./data/sensor.txt")) .withFormat(new Csv()) .withSchema(new Schema() .field("id", DataTypes.STRING()) .field("timestamp", DataTypes.INT()) .field("temperature", DataTypes.DOUBLE()) ).createTemporaryTable("sensor") // 轉(zhuǎn)為表 val tableSensor = tableEnv.from("sensor") // 床架轉(zhuǎn)換對象 val code = new HashCode() //使用tableAPI 進行測試 val tableRes = tableSensor.select('id, code('id)) tableEnv.registerFunction("code",code) // 注冊udf val tableSql = tableEnv.sqlQuery( """ |select |id, |code(id) |from |sensor |""".stripMargin) // 輸出 tableRes.toAppendStream[Row].print("tableAPI") tableSql.toAppendStream[Row].print("tableSql") env.execute("FlinkSqlUdfHashCode") } class HashCode() extends ScalarFunction { def eval(s: String): String = { s.hashCode.toString } } } 運行結(jié)果
2.3 表函數(shù)(Table Functions)
與用戶定義的標量函數(shù)類似,用戶定義的表函數(shù),可以將 0、1 或多個標量值作為輸入?yún)?shù);
與標量函數(shù)不同的是,它可以返回任意數(shù)量的行作為輸出,而不是單個值。為了定義一個表函數(shù),必須擴展 org.apache.flink.table.functions 中的基類 TableFunction并實現(xiàn)(一個或多個)求值方法。表函數(shù)的行為由其求值方法決定,求值方法必須是 public的,并命名為 eval。求值方法的參數(shù)類型,決定表函數(shù)的所有有效參數(shù)。
返回表的類型由 TableFunction 的泛型類型確定。求值方法使用 protected collect(T)方法發(fā)出輸出行。
在 Table API 中,Table 函數(shù)需要與.joinLateral 或.leftOuterJoinLateral 一起使用。
joinLateral 算子,會將外部表中的每一行,與表函數(shù)(TableFunction,算子的參數(shù)是它的表達式)計算得到的所有行連接起來。
而 leftOuterJoinLateral 算子,則是左外連接,它同樣會將外部表中的每一行與表函數(shù)計算生成的所有行連接起來;并且,對于表函數(shù)返回的是空表的外部行,也要保留下來。
在 SQL 中,則需要使用 Lateral Table(),或者帶有 ON TRUE 條件的左連接。
下面的代碼中,我們將定義一個表函數(shù),在表環(huán)境中注冊它,并在查詢中調(diào)用它。
數(shù)據(jù)準備
hello|word,hello|spark hello|Flink,hello|java,hello|大數(shù)據(jù)老哥
編寫代碼
package udf import org.apache.flink.streaming.api.scala._ import org.apache.flink.table.api.scala._ import org.apache.flink.table.functions.TableFunction import org.apache.flink.types.Row /** * @Package udf * @File :FlinkSqlUDFTableFunction.java * @author 大數(shù)據(jù)老哥 * @date 2020/12/29 23:10 * @version V1.0 */ object FlinkSqlUDFTableFunction { def main(args: Array[String]): Unit = { //1.構(gòu)建運行環(huán)境 val env = StreamExecutionEnvironment.getExecutionEnvironment env.setParallelism(1) // 設置并行度為1 //2.構(gòu)建TableEnv val tableEnv = StreamTableEnvironment.create(env) //3.構(gòu)建數(shù)據(jù)源 val data = env.readTextFile("./data/words.txt") // 解析數(shù)據(jù) val wordData: DataStream[String] = data.flatMap(_.split(",")) // 類型轉(zhuǎn)換 val tableWord = tableEnv.fromDataStream(wordData,'id) // 調(diào)用TableFunction val split = new Split() // Table API 方式一 val resTable1 = tableWord. joinLateral(split('id) as('word,'length)) .select('id,'word,'length ) // Table API 方式二 val resTable2 = tableWord. leftOuterJoinLateral(split('id) as('word,'length)) .select('id,'word,'length ) // 將數(shù)據(jù)注冊成表 tableEnv.createTemporaryView("sensor",tableWord) tableEnv.registerFunction("split",split) // SQL 方式一 val tableSQL1 = tableEnv.sqlQuery( """ |select |id, |word, |length |from |sensor ,LATERAL TABLE(split(id)) AS newsensor(word, length) |""".stripMargin) // SQL 方式二 val TableSQL2 = tableEnv.sqlQuery( """ |select |id, |word, |length |from |sensor | LEFT JOIN LATERAL TABLE(split(id)) AS newsensor(word, length) ON TRUE |""".stripMargin) // 調(diào)用數(shù)據(jù) resTable1.toAppendStream[Row].print("resTable1") resTable2.toAppendStream[Row].print("resTable2") tableSQL1.toAppendStream[Row].print("tableSQL1") TableSQL2.toAppendStream[Row].print("TableSQL2") env.execute("FlinkSqlUDFTableFunction") } class Split() extends TableFunction[(String,Int)] { def eval(str: String): Unit = { str.split("\\|").foreach( word => collect((word, word.length)) ) } } }
2.4 聚合函數(shù)(Aggregate Functions)
用戶自定義聚合函數(shù)(User-Defined Aggregate Functions,UDAGGs)可以把一個表中的數(shù)據(jù),聚合成一個標量值。用戶定義的聚合函數(shù),是通過繼承 AggregateFunction 抽象類實現(xiàn)的。
上圖中顯示了一個聚合的例子。
假設現(xiàn)在有一張表,包含了各種飲料的數(shù)據(jù)。該表由三列(id、name 和 price)、五行組成數(shù)據(jù)?,F(xiàn)在我們需要找到表中所有飲料的最高價格,即執(zhí)行 max()聚合,結(jié)果將是一個數(shù)值。AggregateFunction 的工作原理如下:
首先,它需要一個累加器,用來保存聚合中間結(jié)果的數(shù)據(jù)結(jié)構(gòu)(狀態(tài))??梢酝ㄟ^調(diào)用 AggregateFunction 的 createAccumulator()方法創(chuàng)建空累加器。
隨后,對每個輸入行調(diào)用函數(shù)的 accumulate() 方法來更新累加器。
處理完所有行后,將調(diào)用函數(shù)的 getValue() 方法來計算并返回最終結(jié)果。AggregationFunction 要求必須實現(xiàn)的方法:
除了上述方法之外,還有一些可選擇實現(xiàn)的方法。其中一些方法,可以讓系統(tǒng)執(zhí)行查詢更有效率,而另一些方法,對于某些場景是必需的。例如,如果聚合函數(shù)應用在會話窗口(session group window)上下文中,則 merge()方法是必需的。
retract()
merge()
resetAccumulator()
接下來我們寫一個自定義AggregateFunction,計算一個每個price的平均值。
數(shù)據(jù)準備
1,Latte,6 2,Milk,3 3,Breve,5 4,Mocha,8 5,Tea,4
代碼如下
package udf import org.apache.calcite.rel.`type`.{RelDataType, RelDataTypeFactory} import org.apache.flink.streaming.api.scala._ import org.apache.flink.table.api.DataTypes import org.apache.flink.table.api.scala._ import org.apache.flink.table.descriptors.{Csv, FileSystem, Schema} import org.apache.flink.table.functions.AggregateFunction import org.apache.flink.types.Row import java.util /** * @Package udf * @File :FlinkSQUDFAggregateFunction.java * @author 大數(shù)據(jù)老哥 * @date 2020/12/30 22:06 * @version V1.0 */ object FlinkSQUDFAggregateFunction { def main(args: Array[String]): Unit = { //1.構(gòu)建運行環(huán)境 val env = StreamExecutionEnvironment.getExecutionEnvironment env.setParallelism(1) // 設置并行度為1 //2.構(gòu)建TableEnv val tableEnv = StreamTableEnvironment.create(env) //3.構(gòu)建數(shù)據(jù)源 tableEnv.connect(new FileSystem().path("./data/datas")) .withFormat(new Csv) .withSchema(new Schema() .field("id", DataTypes.STRING()) .field("name", DataTypes.STRING()) .field("price", DataTypes.DOUBLE()) ).createTemporaryTable("datas") val AvgTemp = new AvgTemp() val table = tableEnv.from("datas") val resTableApi = table.groupBy('id) .aggregate(AvgTemp('price) as 'sumprice) .select('id, 'sumprice) tableEnv.registerFunction("avgTemp",AvgTemp) val tablesql = tableEnv.sqlQuery( """ |select |id ,avgTemp(price) |from datas group by id |""".stripMargin) resTableApi.toRetractStream[Row].print("resTableApi") tablesql.toRetractStream[Row].print("tablesql") env.execute("FlinkSQUDFAggregateFunction") } class AvgTempAcc { var sum: Double = 0.0 var count: Int = 0 } class AvgTemp extends AggregateFunction[Double, AvgTempAcc] { override def getValue(acc: AvgTempAcc): Double = { acc.sum / acc.count } override def createAccumulator(): AvgTempAcc = new AvgTempAcc() } def accumulate(accumulator: AvgTempAcc, price: Double): Unit = { accumulator.sum += price accumulator.count += 1 } }
2.5表聚合函數(shù)(Table Aggregate Functions)
戶定義的表聚合函數(shù)(User-Defined Table Aggregate Functions,UDTAGGs),可以把一個表中數(shù)據(jù),聚合為具有多行和多列的結(jié)果表。這跟 AggregateFunction 非常類似,只是之前聚合結(jié)果是一個標量值,現(xiàn)在變成了一張表。
比如現(xiàn)在我們需要找到表中所有飲料的前 2 個最高價格,即執(zhí)行 top2()表聚合。我們需要檢查 5 行中的每一行,得到的結(jié)果將是一個具有排序后前 2 個值的表。用戶定義的表聚合函數(shù),是通過繼承 TableAggregateFunction 抽象類來實現(xiàn)的。TableAggregateFunction 的工作原理如下:
為首先,它同樣需要一個累加器(Accumulator),它是保存聚合中間結(jié)果的數(shù)據(jù)結(jié)構(gòu)。通過調(diào)用 TableAggregateFunction 的 createAccumulator()方法可以創(chuàng)建空累加器。
為隨后,對每個輸入行調(diào)用函數(shù)的 accumulate()方法來更新累加器。
為處理完所有行后,將調(diào)用函數(shù)的 emitValue()方法來計算并返回最終結(jié)果。除了上述方法之外,還有一些可選擇實現(xiàn)的方法。
retract()
merge()
resetAccumulator()
emitValue()
emitUpdateWithRetract()
接下來我們寫一個自定義 TableAggregateFunction,用來提取每個 price 最高的兩個平均值。
數(shù)據(jù)準備
1,Latte,6 2,Milk,3 3,Breve,5 4,Mocha,8 5,Tea,4
代碼如下
package udf import org.apache.flink.streaming.api.scala._ import org.apache.flink.table.api.DataTypes import org.apache.flink.table.api.scala._ import org.apache.flink.table.descriptors.{Csv, FileSystem, Schema} import org.apache.flink.table.functions.TableAggregateFunction import org.apache.flink.types.Row import org.apache.flink.util.Collector import udf.FlinkSQUDFAggregateFunction.AvgTemp /** * @Package udf * @File :FlinkSqlUDFTableAggregateFunction.java * @author 大數(shù)據(jù)老哥 * @date 2020/12/30 22:53 * @version V1.0 */ object FlinkSqlUDFTableAggregateFunction { def main(args: Array[String]): Unit = { //1.構(gòu)建運行環(huán)境 val env = StreamExecutionEnvironment.getExecutionEnvironment env.setParallelism(1) // 設置并行度為1 //2.構(gòu)建TableEnv val tableEnv = StreamTableEnvironment.create(env) //3.構(gòu)建數(shù)據(jù)源 tableEnv.connect(new FileSystem().path("./data/datas")) .withFormat(new Csv) .withSchema(new Schema() .field("id", DataTypes.STRING()) .field("name", DataTypes.STRING()) .field("price", DataTypes.DOUBLE()) ).createTemporaryTable("datas") val table = tableEnv.from("datas") val temp = new Top2Temp() val tableApi = table.groupBy('id) .flatAggregate(temp('price) as('tmpprice, 'rank)) .select('id, 'tmpprice, 'rank) tableEnv.registerFunction("temp",temp) tableApi.toRetractStream[Row].print() env.execute("FlinkSqlUDFTableAggregateFunction") } class Top2TempAcc { var highestPrice: Double = Int.MinValue var secodeHighestPrice: Double = Int.MinValue } class Top2Temp extends TableAggregateFunction[(Double, Int), Top2TempAcc] { override def createAccumulator(): Top2TempAcc = new Top2TempAcc def accumulate(acc: Top2TempAcc, temp: Double): Unit = { if (temp > acc.highestPrice) { acc.secodeHighestPrice = acc.highestPrice acc.highestPrice = temp } else if (temp > acc.secodeHighestPrice) { acc.highestPrice = temp } } def emitValue(acc: Top2TempAcc, out: Collector[(Double, Int)]): Unit = { out.collect(acc.highestPrice, 1) out.collect(acc.secodeHighestPrice, 2) } } }
“如何使用FlinkSQL內(nèi)置函數(shù)”的內(nèi)容就介紹到這里了,感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注億速云網(wǎng)站,小編將為大家輸出更多高質(zhì)量的實用文章!
免責聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。