如何理解Flink关系型API

这篇文章给大家介绍如何理解Flink关系型API，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

在接触关系型API之前，用户通常会采用DataStream、DataSet API来编写Flink程序，它们都提供了丰富的处理能力，以DataStream为例，它有如下这些优点：

• 富有表现力的流处理，包括但不限于：转换数据，更新状态，定义窗口、聚合，事件时间语义，有状态且保证正确性等；

• 高度自定义的窗口逻辑：分配器、触发器、逐出器以及允许延迟等；

• 提升与外部系统连接能力的异步I/O接口；

• ProcessFunction给予用户访问时间戳和定时器等低层级的操作能力；

但它同时也存在一些使用壁垒导致它并不适合所有用户：

• 写DataStream程序并非总是很容易：流处理技术发展很快，一些概念层出不穷，比如，时间、状态、窗口等；

• 需要特殊的知识与技巧：持续的流计算应用需要特殊的要求以及Java/Scala的编程经验；

用户希望更专注于他们的业务逻辑，于是Flink提供了更具表达能力的API——关系型API。关系型API有很多好处：

• 它是声明式的，用户只需告知它们想要的，系统决定如何计算，用户不必指定具体的实现细节；

• 查询可被高效地优化和执行，相比之下底层API中的UDF则难于优化且需要人工调优；

• 大众（尤其是数据分析领域的从业者）对SQL的了解和熟悉程度要远高于特定的编程语言；

关系型API其实是Table API和SQL API的统称：

• Table API：为Java&Scala SDK提供类似于LINQ（语言集成查询）模式的API（自0.9.0版本开始）

• SQL API：支持标准SQL（自1.1.0版本开始）

关系型API作为一个统一的API层，既能够做到在Batch模式的表上进行可终止地查询并生成有限的结果集，同时也能做到在Streaming模式的表上持续地运行并生产结果流，并且在两种模式的表上的查询具有相同的语法跟语义。这其中最重要的概念是Table，Table与DataSet、DataStream紧密结合，DataSet和DataStream都可以很容易地转换成Table，同样转换回来也很方便。下面的代码段展示了采用关系型API编写Flink程序的示例：

val tEnv = TableEnvironment.getTableEnvironment(env)
//配置数据源
val customerSource = CsvTableSource.builder()
  .path("/path/to/customer_data.csv")
  .field("name", Types.STRING).field("prefs", Types.STRING)
  .build()

//将数据源注册为一个Table
tEnv.registerTableSource(”cust", customerSource)

//定义你的table程序（在一个Flink程序中Table API和SQL API可以混用）
val table = tEnv.scan("cust").select('name.lowerCase(), myParser('prefs))
val table = tEnv.sql("SELECT LOWER(name), myParser(prefs) FROM cust")

//转换为DataStraem
val ds: DataStream[Customer] = table.toDataStream[Customer]

关系型API架构在基础的DataStream、DataSet API之上，其整体层次关系如下图所示：

它们提供等价的特性集合，并且可以在同一个程序中混合使用，两者都与Flink的core API紧密集成。从上图来看，上层有两种API，而其下有两个基础（DataSet、DataStream）API作为后端。那这是否意味着实现时的四种组合的转换路径呢？其实，Flink并没有自己去实现转换、SQL的解析、执行计划的生成、优化等操作，它将一些“不擅长”的任务转交给了Apache Calcite。整体架构如下图：

Apache Calcite是一个SQL解析与查询优化框架（这个定义是从Flink关注的视角来看，Calcite官方的定义为动态的数据管理框架），目前已被许多项目选择用来解析并优化SQL查询，比如：Drill、Hive、Kylin等。

我们来对上面的架构图进行解读。从中上部我们看到，可以从DataSet、DataStream以及Table Source等多种渠道来创建Table，Table相关的一些信息比如schema、数据字段及类型等信息统一被注册并存放到Calcite Catalog中。这些信息将为Table & SQL API提供元数据。接着往下看，Table API跟SQL构建的查询将被翻译成共同的逻辑计划表示，逻辑计划将作为Calcite优化器的输入。优化器结合逻辑计划以及特定的后端（DataSet、DataStream）规则进行翻译和优化，随之产生不同的计划。计划将通过代码生成器，生成特定的后端程序。后端程序的执行将返回DataSet或DataStream。

这个架构图展示了Flink关系型API的整体架构，也是后续我们分析这个模块的基础。

关于如何理解Flink关系型API就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。