今天我們來聊聊flink sql中另外一種自定義函數-TableFuntion.
TableFuntion 可以有0個、一個、多個輸入參數,他的返回值可以是任意行,每行可以有多列數據.
實現自定義TableFunction需要繼承TableFunction類,然後定義一個public類型的eval方法。結合官網的例子具體來講解一下。
自定義函數
單個eval方法
public static class Split extends TableFunction<Tuple2<String,Integer>> {
private String separator = ",";
public Split(String separator) {
this.separator = separator;
}
public void eval(String str) {
for (String s : str.split(separator)) {
collect(new Tuple2<String,Integer>(s, s.length()));
}
}
}
來解釋一下:
- 這個函數接收一個字符串類型的入參,將傳進來的字符串用指定分隔符拆分,然後返回值是一組Tuple2,每個Tuple2包含單詞以及其長度.
- TableFunction是一個泛型類,需要指定返回值類型
- 不同於標量函數,eval方法沒有返回值,使用collect方法來收集對象。
多個eval方法
/**
* 註冊多個eval方法,接收long或者string類型的參數,然後將他們轉成string類型
*/
public static class DuplicatorFunction extends TableFunction<String>{
public void eval(Long i){
eval(String.valueOf(i));
}
public void eval(String s){
collect(s);
}
}
不固定參數
/**
* 接收不固定個數的int型參數,然後將所有數據依次返回
*/
public static class FlattenFunction extends TableFunction<Integer>{
public void eval(Integer... args){
for (Integer i: args){
collect(i);
}
}
}
通過註解指定返回類型
/**
* 通過註冊指定返回值類型,flink 1.11 版本開始支持
*/
@FunctionHint(output = @DataTypeHint("ROW< i INT, s STRING >"))
class DuplicatorFunction extends TableFunction<Row> {
public void eval(Integer i, String s) {
collect(Row.of(i, s));
collect(Row.of(i, s));
}
}
註冊函數
這裏使用blink的planner,然後把上述三個函數都註冊了
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
EnvironmentSettings bsSettings = EnvironmentSettings.newInstance()
.useBlinkPlanner()
.inStreamingMode()
.build();
StreamTableEnvironment tEnv = StreamTableEnvironment.create(env, bsSettings);
tEnv.registerFunction("split", new Split(" "));
tEnv.registerFunction("duplicator", new DuplicatorFunction());
tEnv.registerFunction("flatten", new FlattenFunction());
構造數據源
List<Tuple2<Long,String>> ordersData = new ArrayList<>();
ordersData.add(Tuple2.of(2L, "Euro"));
ordersData.add(Tuple2.of(1L, "US Dollar"));
ordersData.add(Tuple2.of(50L, "Yen"));
ordersData.add(Tuple2.of(3L, "Euro"));
DataStream<Tuple2<Long,String>> ordersDataStream = env.fromCollection(ordersData);
Table orders = tEnv.fromDataStream(ordersDataStream, "amount, currency, proctime.proctime");
tEnv.registerTable("Orders", orders);
查詢
left join
Table result = tEnv.sqlQuery(
"SELECT o.currency, T.word, T.length FROM Orders as o LEFT JOIN LATERAL TABLE(split(currency)) as T(word, length) ON TRUE");
tEnv.toAppendStream(result, Row.class).print();
解釋一下:
- 有兩種使用方式, 使用 join的時候用LATERAL TABLE ,使用left join的時候用LATERAL TABLE … ON TRUE.
- 給TableFuntion返回的數據起一個別名:T(word, length),其中T是表的別名,word和length是字段別名,所以我們可以在sql中通過o.currency, T.word, T.length來查詢字段。
join
String sql = "SELECT o.currency, T.word, T.length FROM Orders as o ," +
" LATERAL TABLE(split(currency)) as T(word, length)";
多種類型參數
String sql2 = "SELECT * FROM Orders as o , " +
"LATERAL TABLE(duplicator(amount))," +
"LATERAL TABLE(duplicator(currency))";
不固定參數類型
String sql3 = "SELECT * FROM Orders as o , " +
"LATERAL TABLE(flatten(100,200,300))";
今天這個TableFuntion我們就先講到這裏,後續我們通過自定義的TableFuntion來實現一個mysql維表和hbase維表功能,用來在流式數據中補全字段信息.
完整代碼請參考:
https://github.com/zhangjun0x01/bigdata-examples/blob/master/flink/src/main/java/sql/function/CustomTableFunction.java
更多精彩內容,歡迎關注我的公衆號【大數據技術與應用實戰】!