關于Flink SQL Client

Flink Table & SQL的API實現了通過SQL語言處理實時技術算業務，但還是要編寫部分Java代碼(或Scala)，并且還要編譯構建才能提交到Flink運行環境，這對于不熟悉Java或Scala的開發者就略有些不友好了；
SQL Client的目標就是解決上述問題（官方原話with a build tool before being submitted to a cluster.）

局限性

遺憾的是，在Flink-1.10.0版本中，SQL Client只是個Beta版本(不適合用于生產環境)，并且只能連接到本地Flink，不能像mysql、cassandra等客戶端工具那樣遠程連接server，這些在將來的版本會解決：

環境信息

接下來采用實戰的方式對Flink SQL Client做初步嘗試，環境信息如下：

電腦：MacBook Pro2018 13寸，macOS Catalina 10.15.3

Flink：1.10.0

JDK：1.8.0_211

本地啟動flink

下載flink包，地址：http://ftp.kddilabs.jp/infosystems/apache/flink/flink-1.10.0/flink-1.10.0-bin-scala_2.11.tgz

解壓：tar -zxvf flink-1.10.0-bin-scala_2.11.tgz

進目錄flink-1.10.0/bin/，執行命令./start-cluster.sh啟動本地flink；

訪問該機器的8081端口，可見本地flink啟動成功：

啟動SQL Client CLI

在目錄flink-1.10.0/bin/執行./sql-client.sh即可啟動SQL Client CLI，如下圖所示，紅框中的BETA提醒著在生產環境如果要用此工具：

第一個要掌握的是HELP命令：

從hello world開始把，執行命令select ‘Hello world!’;，控制臺輸出如下圖所示，輸入Q可退出：

兩種展示模式

第一種是table mode，效果像是對普通數據表的查詢，設置該模式的命令：

SET execution.result-mode=table;

第二種是changelog mode，效果像是打印每一次數據變更的日志，設置該模式的命令：

SET execution.result-mode=changelog;

設置table mode后，執行以下命令作一次簡單的分組查詢：

SELECT name, COUNT(*) AS cnt FROM (VALUES ('Bob'), ('Alice'), ('Greg'), ('Bob')) AS NameTable(name) GROUP BY name;

為了便于對比，下圖同時貼上兩種模式的查詢結果，注意綠框中顯示了該行記錄是增加還是刪除：

不論是哪種模式，查詢結構都保存在SQL Client CLI進程的堆內存中；

在chenglog模式下，為了保證控制臺可以正常輸入輸出，查詢結果只展示最近1000條；

table模式下，可以翻頁查詢更多結果，結果數量受配置項max-table-result-rows以及可用堆內存限制；

進一步體驗

前面寫了幾行SQL，對Flink SQL Client有了最基本的感受，接下來做進一步的體驗，內容如下：

創建CSV文件，這是個最簡單的圖書信息表，只有三個字段：名字、數量、類目，一共十條記錄；

創建SQL Client用到的環境配置文件，該文件描述了數據源以及對應的表的信息；

啟動SQL Client，執行SQL查詢上述CSV文件；

整個操作步驟如下圖所示：

操作

首先請確保Flink已經啟動；

創建名為book-store.csv的文件，內容如下：

name001,1,aaa name002,2,aaa name003,3,bbb name004,4,bbb name005,5,bbb name006,6,ccc name007,7,ccc name008,8,ccc name009,9,ccc name010,10,ccc

在flink-1.10.0/conf目錄下創建名為book-store.yaml的文件，內容如下：

tables:- name: BookStoretype: source-tableupdate-mode: appendconnector:type: filesystempath: "/Users/zhaoqin/temp/202004/26/book-store.csv"format:type: csvfields:- name: BookNametype: VARCHAR- name: BookAmounttype: INT- name: BookCatalogtype: VARCHARline-delimiter: "\n"comment-prefix: ","schema:- name: BookNametype: VARCHAR- name: BookAmounttype: INT- name: BookCatalogtype: VARCHAR- name: MyBookViewtype: viewquery: "SELECT BookCatalog, SUM(BookAmount) AS Amount FROM BookStore GROUP BY BookCatalog"execution:planner: blink # optional: either 'blink' (default) or 'old'type: streaming # required: execution mode either 'batch' or 'streaming'result-mode: table # required: either 'table' or 'changelog'max-table-result-rows: 1000000 # optional: maximum number of maintained rows in# 'table' mode (1000000 by default, smaller 1 means unlimited)time-characteristic: event-time # optional: 'processing-time' or 'event-time' (default)parallelism: 1 # optional: Flink's parallelism (1 by default)periodic-watermarks-interval: 200 # optional: interval for periodic watermarks (200 ms by default)max-parallelism: 16 # optional: Flink's maximum parallelism (128 by default)min-idle-state-retention: 0 # optional: table program's minimum idle state timemax-idle-state-retention: 0 # optional: table program's maximum idle state time# (default database of the current catalog by default)restart-strategy: # optional: restart strategytype: fallback # "fallback" to global restart strategy by default# Configuration options for adjusting and tuning table programs.# A full list of options and their default values can be found # on the dedicated "Configuration" page. configuration:table.optimizer.join-reorder-enabled: truetable.exec.spill-compression.enabled: truetable.exec.spill-compression.block-size: 128kb# Properties that describe the cluster to which table programs are submitted to.deployment:response-timeout: 5000

對于book-store.yaml文件，有以下幾處需要注意：
a. tables.type等于source-table，表明這是數據源的配置信息；
b. tables.connector描述了詳細的數據源信息，path是book-store.csv文件的完整路徑；
c. tables.format描述了文件內容；
d. tables.schema描述了數據源表的表結構；
ed. type為view表示MyBookView是個視圖(參考數據庫的視圖概念)；

在flink-1.10.0目錄執行以下命令，即可啟動SQL Client，并指定book-store.yaml為環境配置：

bin/sql-client.sh embedded -d conf/book-store.yaml

查全表：

SELECT * FROM BookStore;

按照BookCatalog分組統計記錄數：

SELECT BookCatalog, COUNT(*) AS BookCount FROM BookStore GROUP BY BookCatalog;

查詢視圖：

select * from MyBookView;

至此，Flink SQL Client的初次體驗就完成了，咱們此工具算是有了基本了解，接下來的文章會進一步使用Flink SQL Client做些復雜的操作；

歡迎關注我的公眾號：程序員欣宸

總結

以上是生活随笔為你收集整理的Flink SQL Client初探的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。