SQL实现Structured Streaming

### 需要的配置只有一个sql文件

### 代码整体的结构参考开源项目 [waterdrop](https://github.com/InterestingLab/waterdrop) 

### 代码中SQL文件解析的部分参考开源项目[flinkStreamSQL](https://github.com/DTStack/flinkStreamSQL)

#### 1.实现socket输入 console输出

配置:

```shell

CREATE TABLE SocketTable(

    word String,

    valuecount int

)WITH(

    type='socket',

    host='hadoop-sh1-core1',

    port='9998',

    delimiter=' '

);

create SINK console(

)WITH(

    type='console',

    outputmode='complete'

);

insert into console select word,count(*) from SocketTable group by word;

```

上面语句,首先创建一个table,它的前半部分是字段和类型,后半是type为socket的数据源,分隔符号是空格符(默认是逗号),后续中会根据create的名字创建一个同名的streaming table,schema是配置的字段

然后创建sink——输出表,将console定义为一张表,type是console,outputmode为complete(默认也是)

语句,首先是一个insert into(一定要写) ,插入表就是sink表,后面则是进行处理的数据的sql,这个例子是select word,count(valuecount) from SocketTable group by word,这样,数据就能用Structured Streaming默认的流式的方式从socket到console

```shell

输入:

a 2

a 2

输出:

Batch: 0

-------------------------------------------

+----+--------+

|WORD|count(1)|

+----+--------+

+----+--------+

-------------------------------------------

Batch: 1

-------------------------------------------

+----+--------+

|WORD|count(1)|

+----+--------+

|a  |4      |

+----+--------+

```

#### 2.实现kafka输入 console输出

```shell

CREATE TABLE kafkaTable(

    word string,

    wordcount int

)WITH(

    type='kafka',

    kafka.bootstrap.servers='dfttshowkafka001:9092',

    subscribe='test',

    group='test'

);

create SINK consoleOut(

)WITH(

    type='console',

    outputmode='complete',

    process='2s'

);

insert into consoleOut select word,count(wordcount) from kafkaTable group by word;

```

上面语句和前面一样,consoleOut配置中多了一个process='2s',意思是,控制台2秒输出一次

#### 3.实现csv输入 console输出

```shell

CREATE TABLE csvTable(

    name string,

    age int

)WITH(

    type='csv',

    delimiter=';',

    path='F:\E\wordspace\sqlstream\filepath'

);

create SINK console(

)WITH(

    type='console',

    outputmode='complete',

);

insert into console select name,sum(age) from csvTable group by name;

输入的csv文件里的数据是:

zhang;23

wang;24

li;25

zhang;56

输出是:

root

|-- NAME: string (nullable = true)

|-- AGE: integer (nullable = true)

-------------------------------------------

Batch: 0

-------------------------------------------

+-----+--------+

|NAME |sum(AGE)|

+-----+--------+

|zhang|79      |

|wang |24      |

|li  |25      |

+-----+--------+

```

#### 4.实现socket输入 console输出,添加processtime的窗口函数

```shell

CREATE TABLE SocketTable(

    word String

)WITH(

    type='socket',

    host='hadoop-sh1-core1',

    processwindow='10 seconds,5 seconds',

    watermark='10 seconds',

    port='9998'

);

create SINK console(

)WITH(

    type='console',

    outputmode='complete'

);

insert into console select processwindow,word,count(*) from SocketTable group by processwindow,word;

```

上面socket中多了两个参数,processwindow和watermark,processwindow其实就和sparkstreaming的流式处理差不多,前面是window,后一个是slide,写一个或者两个一致都是翻转窗口。

watermark是一个延迟,就是允许你的数据迟到多久,这个,貌似在processtime里没啥意义。

sql语句中,processwindow其实包含两个值,window的起始和结束,我们看一下结果

```shell

-------------------------------------------

Batch: 0

-------------------------------------------

+-------------+----+--------+

|PROCESSWINDOW|WORD|count(1)|

+-------------+----+--------+

+-------------+----+--------+

-------------------------------------------

Batch: 1

-------------------------------------------

+------------------------------------------+----+--------+

|PROCESSWINDOW                            |WORD|count(1)|

+------------------------------------------+----+--------+

|[2018-12-11 19:17:00, 2018-12-11 19:17:10]|c  |1      |

|[2018-12-11 19:17:00, 2018-12-11 19:17:10]|a  |3      |

+------------------------------------------+----+--------+

-------------------------------------------

Batch: 2

-------------------------------------------

+------------------------------------------+----+--------+

|PROCESSWINDOW                            |WORD|count(1)|

+------------------------------------------+----+--------+

|[2018-12-11 19:17:00, 2018-12-11 19:17:10]|c  |2      |

|[2018-12-11 19:17:00, 2018-12-11 19:17:10]|a  |4      |

+------------------------------------------+----+--------+

```

sql中select部分也可以不加processwindow则去掉PROCESSWINDOW这个参数,但是group部分要加上去,这样才能做到根据窗口分组数据

#### 4.实现socket输入 console输出,添加eventtime的窗口函数

eventtime和processtime的区别主要是,eventtime是根据事件事件来处理数据的,process则是来一条处理一条

```shell

CREATE TABLE SocketTable(

    timestamp Timestamp,

    word String

)WITH(

    type='socket',

    host='hadoop-sh1-core1',

    eventfield='timestamp',

    eventwindow='10 seconds,5 seconds',

    watermark='10 seconds',

    port='9998'

);

create SINK console(

)WITH(

    type='console',

    outputmode='complete'

);

insert into console select eventwindow,word,count(*) from SocketTable group by eventwindow,word;

```

eventtime——>根据事件事件生成,你的数据中肯定要有一个字段是代表时间的,上面的例子中代表时间字段的就是timestamp字段,类型是Timestamp

再下半部分的配置中有个eventfield的配置,就是指定前面的field中哪一个用来作为事件时间的那个时间

eventwindow和processtime的意思差不多名字不一样而已

watermark就是允许事件延迟的时间了,因为根据事件时间处理,肯定会存在先来后到,watermark设置为10 seconds,就是允许你的record的时间延迟10秒,后面,超过10秒的数据,再迟来的话,就会被丢弃。

```shell

运行过程中打印的schema

root

|-- TIMESTAMP: timestamp (nullable = true)

|-- WORD: string (nullable = true)

|-- eventwindow: struct (nullable = true)

|    |-- start: timestamp (nullable = true)

|    |-- end: timestamp (nullable = true)

输入数据

2018-12-07 16:36:12,a

2018-12-07 16:36:22,a

2018-12-07 16:36:32,b

2018-12-07 16:36:42,a

2018-12-07 16:36:52,a

输出结果

Batch: 0

-------------------------------------------

+-----------+----+--------+

|EVENTWINDOW|WORD|count(1)|

+-----------+----+--------+

+-----------+----+--------+

-------------------------------------------

Batch: 1

-------------------------------------------

+------------------------------------------+----+--------+

|EVENTWINDOW                              |WORD|count(1)|

+------------------------------------------+----+--------+

|[2018-12-07 16:36:05, 2018-12-07 16:36:15]|a  |1      |

|[2018-12-07 16:36:10, 2018-12-07 16:36:20]|a  |1      |

+------------------------------------------+----+--------+

-------------------------------------------

Batch: 2

-------------------------------------------

+------------------------------------------+----+--------+

|EVENTWINDOW                              |WORD|count(1)|

+------------------------------------------+----+--------+

|[2018-12-07 16:36:30, 2018-12-07 16:36:40]|b  |1      |

|[2018-12-07 16:36:15, 2018-12-07 16:36:25]|a  |1      |

|[2018-12-07 16:36:45, 2018-12-07 16:36:55]|a  |1      |

|[2018-12-07 16:36:40, 2018-12-07 16:36:50]|a  |1      |

|[2018-12-07 16:36:20, 2018-12-07 16:36:30]|a  |1      |

|[2018-12-07 16:36:50, 2018-12-07 16:37:00]|a  |1      |

|[2018-12-07 16:36:25, 2018-12-07 16:36:35]|b  |1      |

|[2018-12-07 16:36:05, 2018-12-07 16:36:15]|a  |1      |

|[2018-12-07 16:36:10, 2018-12-07 16:36:20]|a  |1      |

|[2018-12-07 16:36:35, 2018-12-07 16:36:45]|a  |1      |

+------------------------------------------+----+--------+

```

#### 5.改变sql语句而不用重启项目实现更新(待实现)

#### 6.配置中加入spark的配置参数实现调优(待实现)

#### 7.自定义UDF函数(待实现)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,937评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,503评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,712评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,668评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,677评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,601评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,975评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,637评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,881评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,621评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,710评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,387评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,971评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,947评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,189评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,805评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,449评论 2 342

推荐阅读更多精彩内容