如何跑通第一个 SQL 作业

简介： 本文由阿里巴巴技术专家周凯波（宝牛）分享，主要介绍如何跑通第一个SQL。

一、SQL的基本概念

1.SQL 分类

SQL分为四类，分别是数据查询语言（DQL）、数据操纵语言（DML）、数据定义（DDL）语言和数据控制语言（DCL）。今天将介绍前三种语言的使用。

接下来介绍几个基本概念。

2.SQL 开发

● Scripts，即SQL文本。在SQL文本里面可以写上文介绍的前三种语言；
● Schema，即元数据。SQL里面需要使用的表和函数，是通过Schema进行定义的；
● Artifacts，即UDF Jar包；

3.Catalog

在 Flink SQL里，Catalog是管理元数据的。Catalog通过Catalog.DB.Table来定位一张表。除了DB和Table，Catalog还能注册函数，如UDF、UDTF和UDAF。

在Flink Catalog里，有三种Catalog实现：

● 第一个是GenericInMemoryCatalog，是内存版的Catalog。平常在使用 Flink SQL的时候，默认是内存版的Catalog。当程序运行结束，第二次重新运行的时候，会重新生成一个Catalog实例。
● 第二个是HiveCatalog，Flink里比较好的支持了HiveCatalog，可以从Hive HMS里读取元数据，同时也可以往Hive里注册表，写数据到Hive里面去。
● 第三个Catalog是 VVP平台里面开发的Catalog，即VvpCatalog，它实现了Flink Catalog的接口，底层是使用的数据库。

4.Deployment

Deployment是一个作业的描述，目前有两种任务类型，JAR和SQL。

Deployment上有升级策略（Upgrade strategy）和恢复策略（Restore strategy）。Upgrade strategy是指Deployment运行后，用户可以对Deployment的参数进行修改，这个修改如何影响Deployment的运行就是由不同的升级策略决定的；Restore strategy 指启动 Flink任务时，是否从 Savepoint/Checkpoint进行恢复就是不同的恢复策略。

Flink的版本和配置，常用的Flink的参数都可以在这里进行配置。例如：Task Managers 数量，Jobmanager和Taskmanager 的 CPU 和内存等。

Deployment上除了作业描述外，还有期望状态和实际状态。期望状态是指用户所期望的目标状态，例如当要将运行中的作业停止时，期望状态就是Canceled；操作完成的实际运行状态就是实际状态。

总的来说，Deployment是一个任务的描述模板。VVP平台内部的状态机会根据Deployment的期望状态和实际状态来控制作业的实际运行。

5.Job

Deployment启动时会生成一个Job，这个Job对应一个具体的 Flink Job。同一时间，一个Deployment上只会有一个正在运行的Job。

二、SQL的语法说明

1.语法说明

首先看下图的语句，分别是创建源表和创建结果表。

下图是注册函数。函数的注册分为两步，第一步上传JAR包，然后在系统上可以勾选自动注册；第二种是使用 Flink 语法进行手工注册。

使用函数有两种方式，第一是内置函数的使用，如下图UPPER是 Flink 自带的函数；第二种是自定义函数，像MyScalarFunc。

在VVP平台里，也支持 Flink 里的Temporary Table，可以将它理解为临时表，只在当前会话周期内有效。在下图例子中，我们创建了两个Temporary Table，读取datagen_source表中的数据，输出到blackhole_sink表。

下图是Temporary View的语法示例。前面两段是一样的临时表；第三条语句是创建了一个tmp_view，它代表从Datagen_source的查询。在Flink里面Temporary View可以理解为让SQL的书写变得更简单，它不会对数据进行一个持久化，和数据库里面View概念是不一样的。第四条语句是从 view里面读取数据并写入到sink表里。

下图是Statement set的语法示例，这个语法目前在 Flink 1.11版本里还没有，但是在VVP平台做了一些支持。

如上图，BEGIN STATEMENT SET和END这两个语句之间可以写多条 insert into语句。上图的例子是读取datagen_source 表往两张sink表同时写。这个语句提交后会启动一个完整的Flink Job，里面会有1个source和两个sink。

2.SQL的应用范围

Create Table，它注册的表会写入系统Catalog里，在VVP平台上面会写到VvpCatalog中，并进行持久化。好处是适合多个query共享元数据。

Create Temporary Table，临时表。它会写到内存版的Catalog里，不会持久化。所以它适合不需要共享元数据的场景，只给当前query使用。

Create Temporary View，主要目的是简化SQL语句。如果不通过Create Temporary View，对于逻辑复杂的SQL写起来会相当复杂，可读性也很差。

Statement Set，适合需要输出到多个下游的场景。

三、SQL 实战

接下来向大家展示销量统计的实例。如下图所示，需求是统计每小时成交量。

我们首先创建两张表，一个是源表，一个是结果表。下图是创建源表的语句，数据源来自kafka，然后定义watermark是5秒钟。

下图是结果表，也是一个kafka表。

下图是查询语句，从源表读取数据后，会通过tumble window窗口聚合对数据做一个统计，这样就求出了每小时的成交量。

1.实战演示

打开VVP的界面，左侧有SQL编辑器，在这个编辑器左边有三栏，第一栏是Scripts，写SQL文本的地方；第二栏是Schemas，用来定义元数据；第三栏是Artifacts， 用来注册UDF。

首先定义一张datagen_source的表。点击右上角的验证按钮，验证通过后点击旁边的运行。点击运行之后，可以在下面看到运行的结果，运行成功后点击左侧的Schemas，可以找到刚刚创建的datagen_source表。

然后再创建一张sink表，connector类型是blackhole。然后验证并运行。

这样两张表都已经注册到Catalog里面去了，默认的Catalog名字是VVP，Database名字是Default。

接下来就可以写SQL语句。比如说写一条INSERT INTO语句，写完之后点验证并运行。在运行这条INSERT INTO语句时，系统会提示是否要创建一个SQL作业，点击确认，补充名称等信息，SQL作业就创建好了。

点击启动这个作业，启动过程中可以在页面上看到关于这个作业的很多信息和配置。

2.UDF实战展示

UDF开发完成后会打一个JAR包，然后点SQL编辑器左侧的Artifacts，然后点“+”号，将JAR 包上传上来。

上传完毕，完善JAR 包名称等信息后，点确认完成。JAR包上传过程中，VVP系统会对JAR 包进行解析。解析之后系统会提示是否注册，勾选需要注册的内容，点击创建Function。

然后如下图，上面就是已注册的Function，下面是可用Function，可以选择继续注册或关掉窗口。

如果不需要这个函数了，可以在页面左侧找到已经注册的Function，点击右侧尾部图标，选择Drop Function。若想重新注册，有两种方法，第一可以点击管理Function；第二通过 Flink的注册函数手动注册。
用注册好的Function创建SQL作业。

在创建页面下拉可以看到很多高级配置，只修改自己需要的配置即可。

3.Temporary table的使用

上面的例子是注册在Catalog里的，如果不想每次都在Catalog里面进行注册，那就可以直接使用 Temporary table。

如下图将table的创建和INSERT INTO全部写在一起，这样就可以直接创建一个新的SQL作业，而不用提前在Catalog里注册了。

4.Temporary View

将前面Temporary View例子页面中的语句复制到VVP平台的SQL编辑器中，直接点击运行就可以创建一个作业。

5.Statement Set

将前面Statement Set例子页面中的语句复制到编辑器中，直接点击运行就可以创建一个作业。启动后，可以通过下图看到运行情况，这个任务从一个源表中读取数据输出到了两个不同的sink表中。

6.查询实战

将前面SQL 实战中创建源表、结果表和查询页面的语句分别复制粘贴到VVP平台的SQL编辑器并启动运行。从下图可以看到这个读写kafka的任务运行起来了。

作者：周凯波（宝牛），阿里巴巴技术专家

原文链接

本文为阿里云原创内容，未经允许不得转载