【翻译】Flink Table Api & SQL —Streaming 概念 ——在持续查询中 Join
本文翻译自官网 : Joins in Continuous Queries https://ci.apache.org/projects/flink/flink-docs-release-1.9/dev/table/streaming/joins.html
Join 是批量数据处理中连接两个关系行的常见且易于理解的操作。但是,动态表上的 join 语义不那么明显,甚至令人困惑。
因此,有一些方法可以使 Table API或SQL实际执行 join 。
有关语法的更多信息,请检查Table API和SQL中的 join 部分。
- 常规 join (Regular Joins)
- 时间窗口 join
- 与时态表函数 join
- 时态表 join
Regular Joins
常规 join 是最通用的 join 类型,在该 join 中,任何新记录的更改对 join 输入两侧都是可见的,并且会影响整个 join 结果。例如,如果左侧有一个新记录,则它将与右侧的所有以前和将来的记录合并在一起。
SELECT * FROM Orders
INNER JOIN Product
ON Orders.productId = Product.id
这些语义允许进行任何类型的更新(插入,更新,删除)的输入表。
但是,此操作有一个重要的含义:它要求将 join 输入的两端始终保持在Flink的状态。因此,如果一个或两个输入表持续增长,资源使用也将无限期增长。
Time-windowed Joins
时间窗口 join 由 join 谓词定义,该 join 谓词检查输入记录的时间属性是否在某些时间限制(即时间窗口)内。
SELECT *
FROM
Orders o,
Shipments s
WHERE o.id = s.orderId AND
o.ordertime BETWEEN s.shiptime - INTERVAL '4' HOUR AND s.shiptime
与常规 join 操作相比,这种 join 仅支持具有时间属性的 append-only 表。由于时间属性是准单调递增的,因此Flink可以从其状态中删除旧值,而不会影响结果的正确性。
Join with a Temporal Table Function
具有时态表函数 的 join 将 append-only 表(左侧输入/探针侧,注:输入流)与临时表(右侧输入/构建侧,注:维表)join,即随时间变化并跟踪其变化的表(维表)。请查看相应的页面以获取有关时态表的更多信息。
以下示例显示了 append-only 表 Orders
,该表与不断变化的货币汇率表 RatesHistory 结合在一起 。
Orders
是一个 append-only 表,代表给定 amount
和给定货币(currency)的付款。例如,在10:15
有一笔金额为 2 欧元的订单。
SELECT * FROM Orders; rowtime amount currency
======= ====== =========
10:15 2 Euro
10:30 1 US Dollar
10:32 50 Yen
10:52 3 Euro
11:04 5 US Dollar
RatesHistory表示日元汇率(汇率为1)不断变化的 append-only 表。例如,从 09:00 到 10:45 欧元对日元的汇率为 114。从10:45到11:15为116。
SELECT * FROM RatesHistory; rowtime currency rate
======= ======== ======
09:00 US Dollar 102
09:00 Euro 114
09:00 Yen 1
10:45 Euro 116
11:15 Euro 119
11:49 Pounds 108
假设我们要计算所有订单转换为通用货币(日元)的金额。
例如,我们要使用给定 rowtime(114)的适当转换率转换以下订单。
rowtime amount currency
======= ====== =========
10:15 2 Euro
如果不使用时态表的概念,则需要编写如下查询:
SELECT
SUM(o.amount * r.rate) AS amount
FROM Orders AS o,
RatesHistory AS r
WHERE r.currency = o.currency
AND r.rowtime = (
SELECT MAX(rowtime)
FROM RatesHistory AS r2
WHERE r2.currency = o.currency
AND r2.rowtime <= o.rowtime);
借助时态表函数 使 RatesHistory 的汇率变化,我们可以在SQL中将查询表示为:
SELECT
o.amount * r.rate AS amount
FROM
Orders AS o,
LATERAL TABLE (Rates(o.rowtime)) AS r
WHERE r.currency = o.currency
探针端记录的相关时间属性时,来自探针端的每个记录将与构建端表的版本关联。为了支持生成侧表上先前值的更新(覆盖),该表必须定义一个主键。
在我们的示例中,from Orders 中的每个记录都将与Rates 的 o.rowtime
时间版本 结合在一起。该 currency
字段已 提前定义为 Rates
的主键,并且在我们的示例中用于连接两个表。如果查询使用的是处理时间概念,则执行操作时,新添加的订单将始终与 Rates 的最新版本结合在一起。
与常规 join相反,这意味着如果在构建端有新记录,则不会影响 join的先前结果。这又使Flink可以限制必须保持状态的元素数量。
与时间窗口连接相比,时态表 join 未定义时间范围,(所有)关联的数据将被 join。探测端的记录总是在 time 属性指定的时间与构建端的版本连接在一起。因此,构建端(时态表)的记录可能是任意旧的。随着时间的流逝,该记录的先前版本和不再需要的版本(对于给定的主键)将从状态中删除。
这种行为使临时表成为一个很好的候选者,可以用关系术语来表示流的 join。
用法
定义时态表函数 后,我们就可以开始使用它。可以使用与普通表函数相同的方式来使用时态表函数。
以下代码段解决了我们从Orders
表中转换货币的初衷问题:
## SQL
SELECT
SUM(o_amount * r_rate) AS amount
FROM
Orders,
LATERAL TABLE (Rates(o_proctime))
WHERE
r_currency = o_currency ## Java
Table result = orders
.joinLateral("rates(o_proctime)", "o_currency = r_currency")
.select("(o_amount * r_rate).sum as amount"); ## Scala
val result = orders
.joinLateral(rates('o_proctime), 'r_currency === 'o_currency)
.select(('o_amount * 'r_rate).sum as 'amount)
注意:对于时态表 join ,尚未实现在查询配置中定义的状态保留。这意味着,计算查询结果所需的状态可能会无限增长,具体取决于历史记录表的不同主键数量。
Processing-time Temporal Joins
基于处理时间的时间属性,是不可能通过 过去的 时间的属性作为参数的时间表函数(注:处理时间只会增长)。根据定义,它始终是当前时间戳。因此,处理时间时态表函数的调用将始终返回基础表的最新已知版本,基础历史表中的任何更新也将立即覆盖当前值。
仅将构建侧记录的最新版本(相对于定义的主键)保持在该状态。构建端的更新将不会影响先前发出的 join 结果。
可以将处理时间的 时态表 视为一种简单的 HashMap<K, V>
,它可以存储构建侧的所有记录。当来自构建端的新记录与先前的记录具有相同的键时,旧值将被简单地覆盖。总是根据HashMap的最新/当前状态评估来自探测器端的每个记录(注:与输入数据 join)。
Event-time Temporal Joins
使用事件时间 的时间属性(即行时间属性),可以将过去的时间属性传递给时态表函数。这允许在公共时间点将两个表(时态表的两个时间状态)连接在一起。
与处理时间 时态表 join 相比,时态表不仅将构建侧记录的最新版本(相对于定义的主键)保持在状态中,而且还存储自上次水印以来的所有版本(按时间标识)。
例如,根据时态表的概念,将附加到探针侧表的事件时间 时间戳为12:30:00的输入行与构建侧表 在时间12:30:00的版本 进行连接。因此,传入行仅与时间戳小于或等于12:30:00的行连接,并根据主键应用更新直到该时间点。
根据事件时间的定义,水印允许 join 操作及时向前移动,并丢弃不再需要的构建表版本,因为不会输入具有更低或相等时间戳的行。
与时态表 Join
与时态表的 join 将任意表(左侧输入/探针侧)与时态表(右侧输入/构建侧)join,即随时间变化的外部数据表。请查看相应的页面以获取有关时态表的更多信息。
注意:用户不能将任意表用作时态表,需要使用 LookupableTableSource 支持的表。LookupableTableSource 只能作为时间表用于时间联接。有关如何定义LookupableTableSource的更多详细信息,请参见页面。
下面的示例显示了一个Orders流,该流与不断变化的货币汇率表 LatestRates 结合在一起。
LatestRates是物化最新汇率的维度表。 在时间10:15、10:30、10:52,LatestRates 的内容如下:
10:15> SELECT * FROM LatestRates; currency rate
======== ======
US Dollar 102
Euro 114
Yen 1 10:30> SELECT * FROM LatestRates; currency rate
======== ======
US Dollar 102
Euro 114
Yen 1 10:52> SELECT * FROM LatestRates; currency rate
======== ======
US Dollar 102
Euro 116 <==== changed from 114 to 116
Yen 1
时间10:15和10:30的LastestRates的内容相等。 欧元汇率在10:52从114更改为116。
Orders 是一个 append-only 表,代表给定金额和给定货币的付款。 例如,在10:15时有一笔2欧元的订单。
SELECT * FROM Orders; amount currency
====== =========
2 Euro <== arrived at time 10:15
1 US Dollar <== arrived at time 10:30
2 Euro <== arrived at time 10:52
假设我们要计算所有Orders
折算成通用货币(日元
)的金额。
例如,我们想使用LatestRates中的最新汇率转换以下订单。 结果将是:
amount currency rate amout*rate
====== ========= ======= ============
2 Euro 114 228 <== arrived at time 10:15
1 US Dollar 102 102 <== arrived at time 10:30
2 Euro 116 232 <== arrived at time 10:52
借助时态表联接,我们可以在SQL中将查询表示为:
SELECT
o.amout, o.currency, r.rate, o.amount * r.rate
FROM
Orders AS o
JOIN LatestRates FOR SYSTEM_TIME AS OF o.proctime AS r
ON r.currency = o.currency
探针端的每个记录都将与构建端表的当前版本关联。 在我们的示例中,查询使用的是处理时间概念,因此在执行操作时,新附加的订单将始终与最新版本的LatestRates结合在一起。 注意,结果对于处理时间不是确定的。
与常规 join相反,尽管在构建方面进行了更改(注:数据修改了),但 时态表 Join 的先前结果将不会受到影响。而且,时态表 join 运算符非常轻,并且不保留任何状态。
与时间窗口 join相比,时态表 join 没有定义将要在其中 join 记录的时间窗口。 在处理时,探测端的记录总是与构建端的最新版本结合在一起。 因此,构建方面的记录可能是任意旧的。
时态表函数 join 和 时态表 join 都来自相同的初衷,但是具有不同的SQL语法和运行时实现:
- 时态表函数 join 的SQL语法是 join UDTF,而时态表联接使用 SQL:2011 中引入的标准时态表语法。
- 时态表函数 join 的实现实际上 join 了两个流并使它们保持状态,而时态表 join 仅接收唯一的输入流并根据记录中的键查找外部数据库。
- 时态表函数 join 通常用于 join 变更日志流,而临时表 join 通常用于 join 外部表(即维表)。
这种行为使时态表成为一个很好的候选者,可以用关系术语来表示流的 join。
将来,时态表联接将支持时态表功能 join 的功能,即支持时态 join 变更日志流。
用法
临时表 join 的语法如下:
SELECT [column_list]
FROM table1 [AS <alias1>]
[LEFT] JOIN table2 FOR SYSTEM_TIME AS OF table1.proctime [AS <alias2>]
ON table1.column-name1 = table2.column-name1
当前,仅支持 INNER JOIN 和 LEFT JOIN。 临时表之后应遵循 FOR SYSTEM_TIME AS OF table1.proctime .proctime是table1的处理时间属性。 这意味着在连接左表中的每个记录时,它会在处理时为时态表做快照。
例如,在定义时态表之后,我们可以如下使用它。
SELECT
SUM(o_amount * r_rate) AS amount
FROM
Orders
JOIN LatestRates FOR SYSTEM_TIME AS OF o_proctime
ON r_currency = o_currency
注意:仅在 Blink planner 中支持。
注意:仅在SQL中支持,而在 Table API 中尚不支持。
注意 :Flink当前不支持事件时间时态表 join。
欢迎关注Flink菜鸟公众号,会不定期更新Flink(开发技术)相关的推文
【翻译】Flink Table Api & SQL —Streaming 概念 ——在持续查询中 Join的更多相关文章
- 【翻译】Flink Table Api & SQL —Streaming 概念 ——动态表
本文翻译自官网:Flink Table Api & SQL 动态表 https://ci.apache.org/projects/flink/flink-docs-release-1.9/de ...
- 【翻译】Flink Table Api & SQL —Streaming 概念 —— 时态表
本文翻译自官网: Temporal Tables https://ci.apache.org/projects/flink/flink-docs-release-1.9/dev/table/strea ...
- 【翻译】Flink Table Api & SQL ——Streaming 概念
本文翻译自官网:Streaming 概念 https://ci.apache.org/projects/flink/flink-docs-release-1.9/dev/table/streamin ...
- 【翻译】Flink Table Api & SQL —Streaming 概念 ——时间属性
本文翻译自官网: Time Attributes https://ci.apache.org/projects/flink/flink-docs-release-1.9/dev/table/str ...
- 【翻译】Flink Table Api & SQL —Streaming 概念 —— 表中的模式匹配 Beta版
本文翻译自官网:Detecting Patterns in Tables Beta https://ci.apache.org/projects/flink/flink-docs-release-1 ...
- 【翻译】Flink Table Api & SQL —Streaming 概念 —— 查询配置
本文翻译自官网:Query Configuration https://ci.apache.org/projects/flink/flink-docs-release-1.9/dev/table/s ...
- 【翻译】Flink Table Api & SQL — 流概念
本文翻译自官网:Streaming Concepts https://ci.apache.org/projects/flink/flink-docs-release-1.9/dev/table/st ...
- Flink Table Api & SQL 翻译目录
Flink 官网 Table Api & SQL 相关文档的翻译终于完成,这里整理一个安装官网目录顺序一样的目录 [翻译]Flink Table Api & SQL —— Overv ...
- 【翻译】Flink Table Api & SQL —— 概念与通用API
本文翻译自官网:https://ci.apache.org/projects/flink/flink-docs-release-1.9/dev/table/common.html Flink Tabl ...
随机推荐
- Intellij IDEA 与 Gitlab 实现代码上传与下载
整体流程:1.download project2.deposit project structure and set default server3.configure tomcat 2 steps4 ...
- application内置对象
application 实现用户间的数据共享,可存放全局变量 setAttribute() getAttribute() getServerInfo(); //获取引擎名和版本号,如:Apache T ...
- 题解 UVa10791
题目大意 多组数据,每组数据给出一个正整数 \(n\),请求出一组数 \(a_1\cdots a_m\),满足 \(LCM_{k=1}^ma_k=n\) 且 \(\sum_{k=1}^ma_k\) 最 ...
- 题解 UVa11076
题目大意 多组数据,每组数据给出 \(n\) 个一位数,求出这些一位数组成的所有不同整数的和. 分析 考虑一个数对某一位的贡献,为这个数乘以其他数的全排列数,问题转化为可重复元素的全排列. 引理 \( ...
- 洛谷 P4017 最大食物链计数 题解
P4017 最大食物链计数 题目背景 你知道食物链吗?Delia生物考试的时候,数食物链条数的题目全都错了,因为她总是重复数了几条或漏掉了几条.于是她来就来求助你,然而你也不会啊!写一个程序来帮帮她吧 ...
- linux命令之------Cat命令
Cat命令 作用:cat命令用于连接文件并打印,查看文件内容: -n或--number:由1开始对所有输出的行数编号: -b或--number-nonblank:和-n相似,只不过对于空白行不做编号: ...
- CSS3 之loading动画实现思路
效果大致如下: 主要实现方式: 该效果主要用到animation-timing-function中的steps()函数,该函数主要用于分步隐藏不同模块. 实现思路: 第一步动画: 第二步动画: 第三步 ...
- Android程序员问答题
前言 最近三个月内,不断地进行移动应用开发在线测试题,也积累了不一样的知识.这也将对android studio有很好的掌握,对将来面试也很有好处.那么我就分享给大家.分享是一种幸福,这是一种质的飞越 ...
- Stringbuilde方法的用法以及其作用
Stringbuilde的方法有以下几种(常用的):(java中的语法) 在程序开发过程中,我们常常碰到字符串连接的情况,方便和直接的方式是通过"+"符号来实现,但是这种方式达到目 ...
- Eclipse各个版本及其对应代号、下载地址列表【转】
Eclipse各个版本及其对应代号.下载地址列表 Eclipse各个版本及其对应代号.下载地址列表版本号 代码 日期 下载地址Eclipse 3.1 IO[木卫一,伊奥] 2005 http://ar ...