一篇文章带你深入了解Flink SQL流处理中的特殊概念

本文深入探讨了flink sql流处理中的特殊概念，主要包括表与流处理的区别、动态表的概念以及流式持续查询的过程。以下是详细介绍。

一、流处理和关系代数（表，及 SQL）的区别

可以看出，关系代数（主要指关系型数据库中的表）和 SQL 主要针对批处理，这与流处理存在天然的差异。

二、动态表（Dynamic Tables）

由于流处理面对的是连续不断的数据，这与我们熟悉的关系型数据库中保存的表完全不同。因此，如果我们将流数据转换为表，然后执行类似于表的select操作，结果就不是一成不变的，而是随着新数据的到来，不断更新。

随着新数据的到来，我们可以不断地在之前的基础上更新结果。这样得到的表，在Flink Table API概念里，就称为动态表（Dynamic Tables）。

动态表是Flink对流数据的Table API和SQL支持的核心概念。与表示批处理数据的静态表不同，动态表随时间变化。动态表可以像静态的批处理表一样进行查询，查询一个动态表会产生持续查询（Continuous Query）。持续查询永远不会终止，并会生成另一个动态表。查询会不断更新其动态结果表，以反映其动态输入表上的更改。

三、流式持续查询的过程

动态表和持续查询的关系如下图所示：

流式持续查询的过程为：

1. 流被转换为动态表。
2. 对动态表计算连续查询，生成新的动态表。
3. 生成的动态表被转换回流。

3.1 将流转换成表（Table）

为了处理带有关系查询的流，必须先将其转换为表。

概念上讲，流的每个数据记录，都被解释为对结果表的插入（Insert）修改。因为流式持续不断的，而且之前的输出结果无法改变。本质上，我们其实是从一个只有插入操作的changelog（更新日志）流，来构建一个表。

为了更好地说明动态表和持续查询的概念，我们来举一个具体的例子。

比如，我们现在的输入数据，就是用户在网站上的访问行为，数据类型（Schema）如下：

[user: VARCHAR, // 用户名
cTime: TIMESTAMP, // 访问某个 URL 的时间戳
url: VARCHAR // 用户访问的 URL]

下图显示了如何将访问 URL 事件流，或者叫点击事件流（左侧）转换为表（右侧）。

随着插入更多的访问事件流记录，生成的表将不断增长。

3.2 持续查询（Continuous Query）

持续查询，会在动态表上做计算处理，并作为结果生成新的动态表。与批处理查询不同，连续查询从不终止，并根据输入表上的更新更新其结果表。

Hugging Face

Hugging Face AI开源社区

270

查看详情

在任何时间点，连续查询的结果在语义上，等同于在输入表的快照上，以批处理模式执行的同一查询的结果。

在下面的示例中，我们展示了对点击事件流中的一个持续查询。

这个 Query 很简单，是一个分组聚合做 count 统计的查询。它将用户字段上的 clicks 表分组，并统计访问的 url 数。图中显示了随着时间的推移，当 clicks 表被其他行更新时如何计算查询。

3.3 将动态表转换成流

与常规的数据库表一样，动态表可以通过插入（Insert）、更新（Update）和删除（Delete）更改，进行持续的修改。将动态表转换为流或将其写入外部系统时，需要对这些更改进行编码。Flink 的Table API 和 SQL 支持三种方式对动态表的更改进行编码：

① 仅追加（Append-only）流

仅通过插入（Insert）更改，来修改的动态表，可以直接转换为仅追加流。这个流中发出的数据，就是动态表中新增的每一行。

② 撤回（Retract）流

Retract 流是包含两类消息的流，添加（Add）消息和撤回（Retract）消息。

动态表通过将 INSERT 编码为 add 消息、DELETE 编码为 retract 消息、UPDATE 编码为被更改行（前一行）的 retract 消息和更新后行（新行）的 add 消息，转换为 retract 流。

下图显示了将动态表转换为 Retract 流的过程。

③ Upsert（更新插入）流

Upsert 流包含两种类型的消息：Upsert 消息和 delete 消息。转换为 upsert 流的动态表，需要有唯一的键（key）。

通过将 INSERT 和 UPDATE 更改编码为 upsert 消息，将 DELETE 更改编码为 DELETE 消息，就可以将具有唯一键（Unique Key）的动态表转换为流。

下图显示了将动态表转换为 upsert 流的过程。

这些概念我们之前都已提到过。需要注意的是，在代码里将动态表转换为 DataStream时，仅支持 Append 和 Retract 流。而向外部系统输出动态表的 TableSink 接口，则可以有不同的实现。

总结

本文详细讲解了Flink SQL流处理中的特殊概念，主要包括表与流处理的区别、流处理查询的过程以及动态表的概念。这些内容主要从理论角度出发，没有实质性的代码。这些概念不需要非得记住，但只要了解即可。

以上就是一篇文章带你深入了解Flink SQL流处理中的特殊概念的详细内容，更多请关注php中文网其它相关文章！