实用指南：Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（整章）

电子书 Flink原理与实战（java版）专栏文章入口：电子书 Flink原理与实战（java版）- 目录结构

本章分为如下几篇：

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第一节Table API& SQL编程指南（一））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第一节Table API& SQL编程指南（二））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第二节Table API 与 DataStream API集成（一））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第二节Table API 与 DataStream API集成（二））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第三节Table API & SQL 的流式处理（一））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第三节Table API & SQL 的流式处理（二））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第三节Table API & SQL 的流式处理（三））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第四节SQL入门与查询（一））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第四节SQL入门与查询（二））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第五节流上的联接（一））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第五节流上的联接（二））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第六节窗口（一））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第六节窗口（二））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第七节函数（一））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第七节函数（二））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第八节Catalogs（一））

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（第八节Catalogs（二）及本章小结）

Flink原理与实战（java版）#第7章 Flink的 Table API & SQL（整章）

---

文章目录

• 第7章 Flink的 Table API & SQL
• • 7.1 Table API& SQL编程指南
  • • 7.1.1 Table API 和 SQL 应用的结构
    • 7.1.2 创建表环境
    • 7.1.3 在 Catalog 中创建表
    • 7.1.4 查询表
    • 7.1.5 输出表
    • 7.1.6 翻译与执行查询
    • 7.1.7 查询优化
    • 7.1.8 解释表
    • 7.1.9 示例：将DataStream数据转Table然后使用SQL进行查询
  • 7.2 Table API 与 DataStream API集成
  • • 7.2.1 Table 和DataStream互转
    • 7.2.2 集成说明
    • 7.2.3 批处理模式
    • 7.2.4 处理（仅插入）流
    • 7.2.5 处理变化流
    • 7.2.6 TypeInformation 和 DataType 转换
  • 7.3 Table API & SQL 的流式处理
  • • 7.3.1 状态管理
    • 7.3.2 动态表
    • 7.3.3 时间属性
    • 7.3.4 时态表
  • 7.4 SQL入门与查询
  • • 7.4.1 源表
    • 7.4.2 连续查询
    • 7.4.3 下沉表
    • 7.4.4 SQL 查询
  • 7.5 流上的联接
  • • 7.5.1 常规联接
    • 7.5.2 间隔联接
    • 7.5.3 时态表联接
    • 7.5.4 查找联接
    • 7.5.5 表函数
  • 7.6 窗口
  • • 7.6.1 窗口的表值函数
    • 7.6.2 窗口聚合
  • 7.7 函数
  • • 7.7.1 系统（内置）函数
    • 7.7.2 自定义函数
    • • 1．构建指南
      • 2．示例：自定义标量函数
      • 3．Flink SQL Client中应用自定义函数
  • 7.8 Catalogs
  • • 7.8.1 Catalog 类型
    • 7.8.2 如何创建 Flink 表并将其注册到 Catalog
    • 7.8.3 通过 Table API 和 SQL Client 操作 Catalog
  • 7.9 本章小结

---

第7章 Flink的 Table API & SQL

Apache Flink 提供了两种关系型 API 来实现流批统一的处理，分别是 Table API 和 SQL。Table API 是专为 Scala 和 Java 语言设计的查询接口，它允许用户以直观的方式组合使用选择、过滤、连接等关系型算子。而 Flink SQL 是基于 Apache Calcite 实现的标准 SQL。无论输入内容是实时的（流式）还是有限集合的（批处理），在这两个接口中定义的查询都具有相同的语义，并产生相同的结果。

Table API 和 SQL 两种 API 与 DataStream API 紧密集成，可以在这些 API 之间以及基于它们的库之间轻松切换。例如，可以使用 CEP 从 DataStream 进行模式匹配，然后使用 Table API 分析匹配结果；或者使用 SQL 扫描、过滤和聚合批处理表，然后使用 Gelly 图算法处理已预处理的数据。

Flink的Table模块包括 Table API 和 SQL：

• Table API 是一种类SQL的API，通过Table API，用户可以像操控表一样操作数据，非常直观和方便；
• SQL作为一种声明式语言，有着标准的语法和规范，用户可以不用关心底层达成即可进行资料的处理，非常易于上手Flink Table API 和 SQL 的搭建上有80%左右的代码是公用的。作为一个流批统一的计算引擎，Flink 的 Runtime 层是统一的。