數棧技術分享:用短平快的方式告訴你Flink-SQL的擴充套件實現
數棧是雲原生—站式資料中臺PaaS,我們在github和gitee上有一個有趣的開源專案:FlinkX,FlinkX是一個基於Flink的批流統一的資料同步工具,既可以採集靜態的資料,也可以採集實時變化的資料,是全域、異構、批流一體的資料同步引擎。大家喜歡的話請給我們點個
star!star!star!
github開源專案:
gitee開源專案:https://gitee.com/dtstack_dev_0/flinkx
首先,本文所述均基於 flink 1.5.4。
一、我們為什麼擴充套件Flink-SQL?
由於Flink 本身SQL語法並不提供在對接輸入源和輸出目的的SQL語法。資料開發在使用的過程中需要根據其提供的Api介面編寫Source和 Sink, 異常繁瑣,不僅需要了解FLink 各類Operator的API,還需要對各個元件的相關呼叫方式有了解(比如kafka,redis,mongo,hbase等),並且在需要關聯到外部資料來源的時候沒有提供SQL相關的實現方式,因此資料開發直接使用Flink編寫SQL作為實時的資料分析時需要較大的額外工作量。
我們的目的是在使用Flink-SQL的時候只需要關心做什麼,而不需要關心怎麼做。不需要過多的關心程式的實現,專注於業務邏輯。
接下來,我們一起來看下Flink-SQL的擴充套件實現吧!
二、擴充套件了哪些flink相關sql
1、建立源表語句
2、建立輸出表語句
3、建立自定義函式
4、維表關聯
三、各個模組是如何翻譯到flink的實現
1、如何將建立源表的sql語句轉換為flink的operator
Flink中表的都會對映到Table這個類。然後呼叫註冊方法將Table註冊到environment。
StreamTableEnvironment.registerTable(tableName, table);
當前我們只支援kafka資料來源。Flink本身有讀取kafka 的實現類, FlinkKafkaConsumer09,所以只需要根據指定引數例項化出該物件。並呼叫註冊方法註冊即可。
另外需要注意在flink sql經常會需要用到rowtime, proctime, 所以我們在登錄檔結構的時候額外新增rowtime,proctime。
當需要用到rowtime的使用需要額外指定DataStream.watermarks(assignTimestampsAndWatermarks), 自定義watermark主要做兩個事情:1:如何從Row中獲取時間欄位。 2:設定最大延遲時間。
2、 如何將建立的輸出表sql語句轉換為flink的operator
Flink輸出Operator的基類是OutputFormat, 我們這裡繼承的是RichOutputFormat, 該抽象類繼承OutputFormat,額外實現了獲取執行環境的方法getRuntimeContext(), 方便於我們之後自定義metric等操作。
我們以輸出到mysql外掛mysql-sink為例,分兩部分:
- 將create table 解析出表名稱,欄位資訊,mysql連線資訊。
該部分使用正規表示式的方式將create table 語句轉換為內部的一個實現類。該類儲存了表名稱,欄位資訊,外掛型別,外掛連線資訊。
- 繼承RichOutputFormat將資料寫到對應的外部資料來源。
主要是實現writeRecord方法,在mysql外掛中其實就是呼叫jdbc 實現插入或者更新方法。
3、如何將自定義函式語句轉換為flink的operator;
Flink對udf提供兩種型別的實現方式:
1)繼承ScalarFunction
2)繼承TableFunction
需要做的將使用者提供的jar新增到URLClassLoader, 並載入指定的class (實現上述介面的類路徑),然後呼叫TableEnvironment.registerFunction(funcName, udfFunc);即完成了udf的註冊。之後即可使用改定義的udf;
4、維表功能是如何實現的?
流計算中一個常見的需求就是為資料流補齊欄位。因為資料採集端採集到的資料往往比較有限,在做資料分析之前,就要先將所需的維度資訊補全,但是當前flink並未提供join外部資料來源的SQL功能。
實現該功能需要注意的幾個問題:
1)維表的資料是不斷變化的
在實現的時候需要支援定時更新記憶體中的快取的外部資料來源,比如使用LRU等策略。
2)IO吞吐問題
如果每接收到一條資料就序列到外部資料來源去獲取對應的關聯記錄的話,網路延遲將會是系統最大的瓶頸。這裡我們選擇阿里貢獻給flink社群的運算元RichAsyncFunction。該運算元使用非同步的方式從外部資料來源獲取資料,大大減少了花費在網路請求上的時間。
3)如何將sql 中包含的維表解析到flink operator
為了從sql中解析出指定的維表和過濾條件, 使用正則明顯不是一個合適的辦法。需要匹配各種可能性。將是一個無窮無盡的過程。檢視flink本身對sql的解析。它使用了calcite做為sql解析的工作。將sql解析出一個語法樹,透過迭代的方式,搜尋到對應的維表;然後將維表和非維表結構分開。
透過上述步驟可以透過SQL完成常用的從kafka源表,join外部資料來源,寫入到指定的外部目的結構中。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69995740/viewspace-2777221/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 數棧技術分享:開源·數棧-擴充套件FlinkSQL實現流與維表的join套件SQL
- 擴充套件實現Unity協程的完整棧跟蹤套件Unity
- STL中的棧的擴充套件 (轉)套件
- 用 TDD 的方式為 Laravel 開發擴充套件Laravel套件
- 用擴充套件的方式在 PHP 中使用 Kafka套件PHPKafka
- CONNECT BY 擴充套件用法,實現獲取bom級聯擴充套件數量套件
- 擴充套件你的KUBECTL功能套件
- 擴充套件你的STRUTS (轉)套件
- PHPWAMP安裝Redis擴充套件的方式與相關擴充套件的下載PHPRedis套件
- ?用Chrome擴充套件管理器, 管理你的擴充套件Chrome套件
- 震驚! 這麼實用的 chrome 擴充套件你居然沒用過!Chrome套件
- 擴充套件JAAS,XMLPolicyFile實現套件XML
- 實用的可選項(Optional)擴充套件套件
- Mac Safari上有趣實用的擴充套件Mac套件
- 基於PHP擴充套件的WAF實現PHP套件
- dubbo是如何實現可擴充套件的?套件
- Minecraft中ScoreBoard的底層實現與擴充套件應用Raft套件
- Lynx技術分析-JS引擎擴充套件技術基礎JS套件
- 擴充套件Linux網路棧套件Linux
- 以對話的方式擴充套件架構的實踐 - Andrew套件架構
- 如何輕鬆做資料治理?開源技術棧告訴你答案
- 第3章 LALR等技術擴充套件套件
- 推薦一個有趣的Chrome擴充套件程式-檢視任意網站的開發技術棧Chrome套件網站
- plain framework的實際應用和擴充套件AIFramework套件
- django實現自定義manage命令的擴充套件Django套件
- PHP實現Bitmap的探索 - GMP擴充套件使用PHP套件
- dubbo是如何實現可擴充套件的?(二)套件
- spring bean 擴充套件方式SpringBean套件
- 分享一些好用的 Chrome 擴充套件Chrome套件
- 用Shell擴充套件實現原始碼統計程式套件原始碼
- 基於 Web 引擎擴充套件技術的 RTC 混合開發框架實踐Web套件框架
- 超實用:實現負載均衡技術的方式負載
- Lynx技術分析-JS引擎擴充套件設計JS套件
- Laravel 執行時類的功能擴充套件的實現Laravel套件
- 擴充套件Zuul實現敏捷開發的小小技巧套件Zuul敏捷
- 3 種擴充套件 Kubernetes 能力的方式套件
- 用template實現的可擴充套件的平臺無關的 log Class (轉)套件
- 自由擴充套件你的專案——Builder模式套件UI模式