Apache Flink Table API和SQL API的外部数据源是什么

小编给大家分享一下Apache Flink Table API和SQL API的外部数据源是什么，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

Apache Flink的Table API与SQL API在之前已经提到了Table Source与Table Sink的方式对实现数据源的注册于结果的写入等。Apache Flink已经基本实现了对于的数据源的注册于写入的需求，但是仍然不够灵活，用户更加希望的可能是通过配置的方式实现对于不同数据源的选择，并且实现数据的写入。所以Apache Flink又提供了Table connector。

Table connector的实现不仅仅能够更好的API与SQL Client，同时Table connector类似与实现了CREATE TABLE 的方式对数据进行了注册，能够实现再不修改代码的情况下实现把数据写入不同的位置。Tabel connector方法指定了需要连接Table connector对应的Descriptor，withFormat方式指定了输出或输入的文件格式(csv,JSON,Parquet等)。withSchema方法指定了注册在TableEnvironment中的表结构。

tableEnv.connect(...)
.withFormat(...)
.withSchema(...)
.inAppendMode() //更新模式
.registerTableSource("MyTable")

通过以上方式注册数据源后,我们可以直接把数据读取或者写入到该表中。也就是说我们可以实现类似于像操作DBMS表的数据一样操作该表进行数据读取与写入。

在当前的很多云场景中，类似于阿里云，华为云等均提供了实时计算的产品，产品使用SQL的方式进行注册，注册指定云厂商的其他产品与存储格式等 withSchema ，指定读取的数据结构 withSchema 与更新的模式等即可实现数据的读取或计算结果的写入。

CREATE TABLE datahub_stream(
  name VARCHAR,
  age BIGINT,
  birthday BIGINT
) WITH (
  type='产品',
  endPoint='...',
  project='...',
  topic='...'
  ...
);

我们在使用时涉及的步骤也大致分为这些，如下代码。connect方法指定了连接对应的Desciriptor，withFormat指定输出或输入的文件格式，例如JSON，CSV，Avro等。withSchema用以指定注册在TableEnvironment中的表结构。inAppendMode指定了数据的更新模式。最终通过registerTableSource方法将本次外部数据源注册到TableEnvironment中，用以进行查询计算。

talbEnv.connect(...)
.withFormat(...)
.withSchema(...)
.inAppendMode()
.registerTableSource("TableName") 

以上是“Apache Flink Table API和SQL API的外部数据源是什么”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！