FlinkSQL怎么搭建

本篇内容主要讲解"FlinkSQL怎么搭建"，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习"FlinkSQL怎么搭建"吧!

1.背景

由于公司内部需求较多，并不想每次都写一个 streaming 程序，故而开始搭建 flinksql 平台，基于 jdk1.8，flink1.12.x

2.效果

传一个 sql 文件给 jar 包，然后 sql 文件内的 sql 将自动执行

3. jar 包 vs web 界面

调研了基于 web 的 zeppline

1. zeppline 设计的初衷其实是为了交互式分析

2. 基于 zeppline rest api 与现有的监控不兼容，需要修改现有监控的代码

3. 虽然带有 web 界面的对用户很是友好，对于分析人员来说，是一个不错的选择，但对于开发人员来说，真正的线上长时间的运行程序，开发成 HA 的 server 还是有必要的

基于以上 3 点最终选择 jar 作为最终的方式

4. 使用

1. 将 sql 写入 xxx.sql 文件中，如

CREATE TEMPORARY FUNCTION MillisecondsToDateStr AS 'io.github.shengjk.udf.MillisecondsToDateStr' LANGUAGE JAVA;-- ExecutionCheckpointingOptionsset execution.checkpointing.mode=EXACTLY_ONCE;set execution.checkpointing.timeout=30 min;--  30minset execution.checkpointing.interval=1 min ; -- 1minset execution.checkpointing.externalized-checkpoint-retention=RETAIN_ON_CANCELLATION;-- ExecutionConfigOptionsset table.exec.state.ttl=1 day;  -- 1 dayset table.exec.mini-batch.enabled=true; -- enable mini-batch optimizationset table.exec.mini-batch.allow-latency=1 s; -- 1sset table.exec.mini-batch.size=1000;set table.exec.sink.not-null-enforcer=drop;-- -- dadadadadadaCREATE TABLE orders(   status      int,   courier_id  bigint,   id          bigint,   finish_time BIGINT)WITH (   'connector' = 'kafka','topic' = 'canal_monitor_order',   'properties.bootstrap.servers' = 'localhost:9092','properties.group.id' = 'testGroup',   'format' = 'ss-canal-json','ss-canal-json.table.include' = 'orders','scan.startup.mode' = 'earliest-offset');-- flink.partition-discovery.interval-millis;CREATE TABLE infos(   info_index int,   order_id   bigint)WITH (   'connector' = 'kafka','topic' = 'canal_monitor_order',   'properties.bootstrap.servers' = 'localhost:9092','properties.group.id' = 'testGroup',   'format' = 'ss-canal-json','ss-canal-json.table.include' = 'infos','scan.startup.mode' = 'earliest-offset');CREATE TABLE redisCache(   finishOrders BIGINT,   courier_id   BIGINT,   dayStr       String)WITH (   'connector' = 'redis',   'hostPort'='localhost:6400',   'keyType'='hash',   'keyTemplate'='test2_${courier_id}',   'fieldTemplate'='${dayStr}',   'valueNames'='finishOrders',   'expireTime'='259200');create view temp asselect o.courier_id,  (CASE   WHEN sum(infosMaxIndex.info_index) is null then 0   else sum(infosMaxIndex.info_index) end) finishOrders,  o.status,  dayStrfrom ((select courier_id, id, last_value(status)                             status, MillisecondsToDateStr(finish_time, 'yyyyMMdd') dayStr      from orders      where status = 60  group by courier_id, id, MillisecondsToDateStr(finish_time, 'yyyyMMdd'))) oleft join (select max(info_index) info_index, order_id                   from infos                   group by order_id) infosMaxIndex on o.id = infosMaxIndex.order_idgroup by o.courier_id, o.status, dayStr;INSERT INTO redisCache SELECT finishOrders,courier_id,dayStr FROM temp;

2. 将 flinksql-platform 打包并上传至服务器

3. 将必要的 connector jar 放入到相应的目录下

4. 执行，如

flink-1.12.0/bin/flink  run -p 3 -yt ./flinkjar/  -C file:///home/shengjk/flinkjar/test-udf.jar -C file:///home/shengjk/flinkjar/jedis-2.10.2.jar  -m yarn-cluster -ynm sqlDemo  -c io.github.shengjk.Main ./flinksql-platform-1.0-SNAPSHOT.jar --sqlPath ./xxx.sql

其中
-C 添加 udfJar 等第三方 jar 包 -C 参数apply到了client端生成的JobGraph里，然后提交JobGraph来运行的
-yt 目录 将 udfJar 等第三方 jar 包提交到 TaskManager 上

到此，相信大家对"FlinkSQL怎么搭建"有了更深的了解，不妨来实际操作一番吧！这里是网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！