【flink番外篇】22、通过 Table API 和 SQL Client 操作 Catalog 示例

Flink 系列文章

一、Flink 专栏

Flink 专栏系统介绍某一知识点，并辅以具体的示例进行说明。

• 1、Flink 部署系列

  本部分介绍Flink的部署、配置相关基础内容。

• 2、Flink基础系列

  本部分介绍Flink 的基础部分，比如术语、架构、编程模型、编程指南、基本的datastream api用法、四大基石等内容。

• 3、Flik Table API和SQL基础系列

  本部分介绍Flink Table Api和SQL的基本用法，比如Table API和SQL创建库、表用法、查询、窗口函数、catalog等等内容。

• 4、Flik Table API和SQL提高与应用系列

  本部分是table api 和sql的应用部分，和实际的生产应用联系更为密切，以及有一定开发难度的内容。

• 5、Flink 监控系列

  本部分和实际的运维、监控工作相关。

  二、Flink 示例专栏

  Flink 示例专栏是 Flink 专栏的辅助说明，一般不会介绍知识点的信息，更多的是提供一个一个可以具体使用的示例。本专栏不再分目录，通过链接即可看出介绍的内容。

  两专栏的所有文章入口点击：Flink 系列文章汇总索引

  ---

  文章目录

  • Flink 系列文章
  • 一、通过 Table API 和 SQL Client 操作 HiveCatalog
  • • 1、注册 Catalog
    • • 1）、方式一：java实现
      • 2）、方式二：yaml配置
      • 2、修改当前的 Catalog 和数据库
      • • 1）、java实现
        • 2）、sql
        • 3、列出可用的 Catalog
        • • 1）、java实现
          • 2）、sql
          • 4、列出可用的数据库
          • • 1）、java实现
            • 2）、sql
            • 5、列出可用的表
            • • 1）、java实现
              • 2）、sql

                ---

                本文以示例展示了sql 和 table api 操作hivecatalog。

                一、通过 Table API 和 SQL Client 操作 HiveCatalog

                1、注册 Catalog

                用户可以访问默认创建的内存 Catalog default_catalog，这个 Catalog 默认拥有一个默认数据库 default_database。 用户也可以注册其他的 Catalog 到现有的 Flink 会话中。

                以下通过api 和 配置文件注册catalog及配置。

                1）、方式一：java实现

                public class TestCreateHiveTable {public static final String tableName = "alan_hivecatalog_hivedb_testTable";
                	public static final String hive_create_table_sql = "CREATE  TABLE  " + tableName +  " (\n" + 
                																					  "  id INT,\n" + 
                																					  "  name STRING,\n" + 
                																					  "  age INT" + ") " + 
                																					  "TBLPROPERTIES (\n" + 
                																					  "  'sink.partition-commit.delay'='5 s',\n" + 
                																					  "  'sink.partition-commit.trigger'='partition-time',\n" + 
                																					  "  'sink.partition-commit.policy.kind'='metastore,success-file'" + ")";
                	/**
                	 * @param args
                	 * @throws DatabaseAlreadyExistException
                	 * @throws CatalogException
                	 */
                	public static void main(String[] args) throws Exception {StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
                		StreamTableEnvironment tenv = StreamTableEnvironment.create(env);
                		String hiveConfDir = "/usr/local/bigdata/apache-hive-3.1.2-bin/conf";
                		String name = "alan_hive";
                		// default 数据库名称
                		String defaultDatabase = "default";
                		HiveCatalog hiveCatalog = new HiveCatalog(name, defaultDatabase, hiveConfDir);
                		tenv.registerCatalog("alan_hive", hiveCatalog);
                		tenv.useCatalog("alan_hive");
                		String newDatabaseName = "alan_hivecatalog_hivedb";
                		tenv.useDatabase(newDatabaseName);
                		// 创建表
                		tenv.getConfig().setSqlDialect(SqlDialect.HIVE);
                		tenv.executeSql(hive_create_table_sql);
                		// 插入数据
                		String insertSQL = "insert into alan_hivecatalog_hivedb_testTable values (1,'alan',18)";
                		tenv.executeSql(insertSQL);
                		// 查询数据
                		String selectSQL = "select * from alan_hivecatalog_hivedb_testTable" ;
                		Table table = tenv.sqlQuery(selectSQL);
                		table.printSchema();
                		DataStream> result = tenv.toRetractStream(table, Row.class);
                		result.print();
                		env.execute();
                	}
                }
                

                2）、方式二：yaml配置

                # 定义 catalogs
                catalogs:
                   - name: alan_hivecatalog
                     type: hive
                     property-version: 1
                     hive-conf-dir: /usr/local/bigdata/apache-hive-3.1.2-bin/conf  # 须包含 hive-site.xml
                # 改变表程序基本的执行行为属性。
                execution:
                 planner: blink                            # 可选： 'blink' （默认）或 'old'
                 type: streaming                           # 必选：执行模式为 'batch' 或 'streaming'
                 result-mode: table                        # 必选：'table' 或 'changelog'
                 max-table-result-rows: 1000000            # 可选：'table' 模式下可维护的最大行数（默认为 1000000，小于 1 则表示无限制）
                 time-characteristic: event-time           # 可选： 'processing-time' 或 'event-time' （默认）
                 parallelism: 1                            # 可选：Flink 的并行数量（默认为 1）
                 periodic-watermarks-interval: 200         # 可选：周期性 watermarks 的间隔时间（默认 200 ms）
                 max-parallelism: 16                       # 可选：Flink 的最大并行数量（默认 128）
                 min-idle-state-retention: 0               # 可选：表程序的最小空闲状态时间
                 max-idle-state-retention: 0               # 可选：表程序的最大空闲状态时间
                 current-catalog: alan_hivecatalog         # 可选：当前会话 catalog 的名称（默认为 'default_catalog'）
                 current-database: viewtest_db # 可选：当前 catalog 的当前数据库名称（默认为当前 catalog 的默认数据库）
                 restart-strategy:                         # 可选：重启策略（restart-strategy）
                    type: fallback                          # 默认情况下“回退”到全局重启策略 

                2、修改当前的 Catalog 和数据库

                Flink 始终在当前的 Catalog 和数据库中寻找表、视图和 UDF。

                1）、java实现

                代码片段，只列出了关键的代码。

                StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
                StreamTableEnvironment tenv = StreamTableEnvironment.create(env);
                String catalogName = "alan_hive";
                String defaultDatabase = "default";
                String databaseName = "viewtest_db";
                String hiveConfDir = "/usr/local/bigdata/apache-hive-3.1.2-bin/conf";
                HiveCatalog hiveCatalog = new HiveCatalog(catalogName, defaultDatabase, hiveConfDir);
                tenv.registerCatalog(catalogName, hiveCatalog);
                tenv.useCatalog(catalogName);
                hiveCatalog.createDatabase(databaseName, new CatalogDatabaseImpl(new HashMap(), hiveConfDir) {}, true);
                //		tenv.executeSql("create database "+databaseName);
                tenv.useDatabase(databaseName); 

                2）、sql

                Flink SQL> USE CATALOG alan_hive;
                Flink SQL> USE viewtest_db;
                

                通过提供全限定名 catalog.database.object 来访问不在当前 Catalog 中的元数据信息。

                • java

                  tenv.from("not_the_current_catalog.not_the_current_db.my_table");
                  

                  • sql

                    Flink SQL> SELECT * FROM not_the_current_catalog.not_the_current_db.my_table;
                    

                    3、列出可用的 Catalog

                    1）、java实现

                    tenv.listCatalogs();
                    

                    2）、sql

                    show catalogs;
                    

                    4、列出可用的数据库

                    1）、java实现

                    tenv.listDatabases();
                    

                    2）、sql

                    show databases;
                    

                    5、列出可用的表

                    1）、java实现

                    tenv.listTables();
                    

                    2）、sql

                    show tables;
                    

                    以上，本文以示例展示了sql 和 table api 操作hivecatalog。