實時數倉|Flink SQL之維表join

維表是數倉中的一個概念，維表中的維度屬性是觀察數據的角度，在建設離線數倉的時候，通常是將維表與事實表進行關聯構建星型模型。在實時數倉中，同樣也有維表與事實表的概念，其中事實表通常存儲在kafka中，維表通常存儲在外部設備中(比如MySQL，HBase)。對於每條流式數據，可以關聯一個外部維表數據源，為實時計算提供數據關聯查詢。維表可能是會不斷變化的，在維表JOIN時，需指明這條記錄關聯維表快照的時刻。需要注意是，目前Flink SQL的維表JOIN僅支持對當前時刻維表快照的關聯(處理時間語義)，而不支持事實表rowtime所對應的的維表快照(事件時間語義)。通過本文你可以了解到：

• 如何使用Flink SQL創建表
• 如何定義Kafka數據源表
• 如何定義MySQL數據源表
• 什么是Temporal Table Join
• 維表join的案例

Flink SQL創建表

注意：本文的所有操作都是在Flink SQL cli中進行的

創建表的語法

CREATE TABLE [catalog_name.][db_name.]table_name
  (
    { <column_definition> | <computed_column_definition> }[ , ...n]
    [ <watermark_definition> ]
  )
  [COMMENT table_comment]
  [PARTITIONED BY (partition_column_name1, partition_column_name2, ...)]
  WITH (key1=val1, key2=val2, ...)
-- 定義表字段
<column_definition>:
  column_name column_type [COMMENT column_comment]
-- 定義計算列
<computed_column_definition>:
  column_name AS computed_column_expression [COMMENT column_comment]
-- 定義水位線
<watermark_definition>:
  WATERMARK FOR rowtime_column_name AS watermark_strategy_expression

解釋

COMPUTED COLUMN(計算列)

計算列是一個通過column_name AS computed_column_expression生成的虛擬列，產生的計算列不是物理存儲在數據源表中。一個計算列可以通過原有數據源表中的某個字段、運算符及內置函數生成。比如，定義一個消費金額的計算列(cost)，可以使用表的價格(price)*數量(quantity)計算得到。

計算列常常被用在定義時間屬性(見另一篇文章Flink Table API&SQL編程指南之時間屬性(3)，可以通過PROCTIME()函數定義處理時間屬性，語法為proc AS PROCTIME()。除此之外，計算列可以被用作提取事件時間列，因為原始的事件時間可能不是TIMESTAMP(3)類型或者是存在JSON串中。

尖叫提示：

1.在源表上定義計算列，是在讀取數據源之后計算的，計算列需要跟在SELECT查詢語句之后；

2.計算列不能被INSERT語句插入數據，在INSERT語句中，只能包括實際的目標表的schema，不能包括計算列

水位線

水位線定義了表的事件時間屬性，其語法為:

WATERMARK FOR rowtime_column_name AS watermark_strategy_expression

其中rowtime_column_name表示表中已經存在的事件時間字段，值得注意的是，該事件時間字段必須是TIMESTAMP(3)類型，即形如yyyy-MM-dd HH:mm:ss,如果不是這種形式的數據類型，需要通過定義計算列進行轉換。

watermark_strategy_expression定義了水位線生成的策略，該表達式的返回數據類型必須是TIMESTAMP(3)類型。

Flink提供了許多常用的水位線生成策略：

• 嚴格單調遞增的水位線：語法為

  WATERMARK FOR rowtime_column AS rowtime_column
  

即直接使用時間時間戳作為水位線

• 遞增水位線:語法為

  WATERMARK FOR rowtime_column AS rowtime_column - INTERVAL '0.001' SECOND
  

• 亂序水位線：語法為

  WATERMARK FOR rowtime_column AS rowtime_column - INTERVAL 'string' timeUnit
  -- 比如，允許5秒的亂序
  WATERMARK FOR rowtime_column AS rowtime_column - INTERVAL '5' SECOND
  

分區

根據具體的字段創建分區表，每一個分區會對應一個文件路徑

WITH 選項

創建Table source或者Table sink需要指定表的屬性，屬性是以key/value的形式配置的，具體參考其相對應的connector

尖叫提示：

Note：創建表時指定的表名有三種形式：

（1）catalog_name.db_name.table_name

（2）db_name.table_name

（3）table_name

對於第一種形式：會將表注冊到一個名為‘catalog_name’的catalog以及一個名為’db_name’d的數據庫的元數據中；

對於第二種形式：會將表注冊到當前執行環境的catalog以及名為‘db_name’的數據庫的元數據中；

對於第三種形式：會將表注冊到當前執行環境的catalog與數據庫的元數據中

定義Kafka數據表

kafka是構建實時數倉常用的數據存儲設備，使用Flink SQL創建kafka數據源表的語法如下：

CREATE TABLE MyKafkaTable (
  ...
) WITH (
  'connector.type' = 'kafka', -- 連接類型 
  'connector.version' = '0.11',-- 必選: 可選的kafka版本有：0.8/0.9/0.10/0.11/universal
  'connector.topic' = 'topic_name', -- 必選: 主題名稱
  'connector.properties.zookeeper.connect' = 'localhost:2181', -- 必選: zk連接地址
  'connector.properties.bootstrap.servers' = 'localhost:9092', -- 必選: Kafka連接地址
  'connector.properties.group.id' = 'testGroup', --可選: 消費者組
   -- 可選:偏移量, earliest-offset/latest-offset/group-offsets/specific-offsets
  'connector.startup-mode' = 'earliest-offset',                                          
  -- 可選: 當偏移量指定為specific offsets，為指定每個分區指定具體位置
  'connector.specific-offsets' = 'partition:0,offset:42;partition:1,offset:300',
  'connector.sink-partitioner' = '...',  -- 可選: sink分區器，fixed/round-robin/custom
  -- 可選: 當自定義分區器時，指定分區器的類名
  'connector.sink-partitioner-class' = 'org.mycompany.MyPartitioner',
  'format.type' = '...',                 -- 必選: 指定格式，支持csv/json/avro
   -- 指定update-mode，支持append/retract/upsert
  'update-mode' = 'append',

)

尖叫提示：

• 指定具體的偏移量位置：默認是從當前消費者組提交的偏移量開始消費
• sink分區：默認是盡可能向更多的分區寫數據(每一個sink並行度實例只向一個分區寫數據)，也可以自已分區策略。當使用 round-robin分區器時，可以避免分區不均衡，但是會造成Flink實例與kafka broker之間大量的網絡連接
• 一致性保證：默認sink語義是at-least-once
• Kafka 0.10+ 是時間戳：從kafka0.10開始，kafka消息附帶一個時間戳作為消息的元數據，表示記錄被寫入kafka主題的時間，這個時間戳可以作為事件時間屬性( rowtime attribute)
• **Kafka 0.11+**版本：Flink從1.7開始，支持使用universal版本作為kafka的連接器 ，可以兼容kafka0.11之后版本

定義MySQL數據表

CREATE TABLE MySQLTable (
  ...
) WITH (
  'connector.type' = 'jdbc', -- 必選: jdbc方式
  'connector.url' = 'jdbc:mysql://localhost:3306/flink-test', -- 必選: JDBC url
  'connector.table' = 'jdbc_table_name',  -- 必選: 表名
   -- 可選: JDBC driver，如果不配置，會自動通過url提取 
  'connector.driver' = 'com.mysql.jdbc.Driver',                                           
  'connector.username' = 'name', -- 可選: 數據庫用戶名
  'connector.password' = 'password',-- 可選: 數據庫密碼
    -- 可選, 將輸入進行分區的字段名.
  'connector.read.partition.column' = 'column_name',
    -- 可選, 分區數量.
  'connector.read.partition.num' = '50', 
    -- 可選, 第一個分區的最小值.
  'connector.read.partition.lower-bound' = '500',
    -- 可選, 最后一個分區的最大值
  'connector.read.partition.upper-bound' = '1000', 
    -- 可選, 一次提取數據的行數，默認為0，表示忽略此配置
  'connector.read.fetch-size' = '100', 
   -- 可選, lookup緩存數據的最大行數，如果超過改配置，老的數據會被清除
  'connector.lookup.cache.max-rows' = '5000', 
   -- 可選，lookup緩存存活的最大時間，超過該時間舊數據會過時，注意cache.max-rows與cache.ttl必須同時配置
  'connector.lookup.cache.ttl' = '10s', 
   -- 可選, 查詢數據最大重試次數
  'connector.lookup.max-retries' = '3', 
   -- 可選,寫數據最大的flush行數，默認5000，超過改配置，會觸發刷數據 
  'connector.write.flush.max-rows' = '5000', 
   --可選，flush數據的間隔時間，超過該時間，會通過一個異步線程flush數據，默認是0s 
  'connector.write.flush.interval' = '2s', 
  -- 可選, 寫數據失敗最大重試次數
  'connector.write.max-retries' = '3' 
)

Temporal Table Join

使用語法

SELECT column-names
FROM table1  [AS <alias1>]
[LEFT] JOIN table2 FOR SYSTEM_TIME AS OF table1.proctime [AS <alias2>]
ON table1.column-name1 = table2.key-name1

注意：目前，僅支持INNER JOIN與LEFT JOIN。在join的時候需要使用 FOR SYSTEM_TIME AS OF ，其中table1.proctime表示table1的proctime處理時間屬性(計算列)。使用FOR SYSTEM_TIME AS OF table1.proctime表示當左邊表的記錄與右邊的維表join時，只匹配當前處理時間維表所對應的的快照數據。

樣例

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

使用說明

• 僅支持Blink planner
• 僅支持SQL，目前不支持Table API
• 目前不支持基於事件時間(event time)的temporal table join
• 維表可能會不斷變化，JOIN行為發生后，維表中的數據發生了變化（新增、更新或刪除），則已關聯的維表數據不會被同步變化
• 維表和維表不能進行JOIN
• 維表必須指定主鍵。維表JOIN時，ON的條件必須包含所有主鍵的等值條件

維表Join案例

背景

Kafka中有一份用戶行為數據，包括pv，buy，cart，fav行為；MySQL中有一份省份區域的維表數據。現將兩種表進行JOIN，統計每個區域的購買行為數量。

步驟

維表存儲在MySQL中，如下創建維表數據源：

CREATE TABLE dim_province (
    province_id BIGINT,  -- 省份id
    province_name  VARCHAR, -- 省份名稱
	region_name VARCHAR -- 區域名稱
) WITH (
    'connector.type' = 'jdbc',
    'connector.url' = 'jdbc:mysql://192.168.10.203:3306/mydw',
    'connector.table' = 'dim_province',
    'connector.driver' = 'com.mysql.jdbc.Driver',
    'connector.username' = 'root',
    'connector.password' = '123qwe',
    'connector.lookup.cache.max-rows' = '5000',
    'connector.lookup.cache.ttl' = '10min'
);

事實表存儲在kafka中，數據為用戶點擊行為，格式為JSON，具體數據樣例如下：

{"user_id":63401,"item_id":6244,"cat_id":143,"action":"pv","province":3,"ts":1573445919}
{"user_id":9164,"item_id":2817,"cat_id":611,"action":"fav","province":28,"ts":1573420486}

創建kafka數據源表，如下：

CREATE TABLE user_behavior (
    user_id BIGINT, -- 用戶id
    item_id BIGINT, -- 商品id
    cat_id BIGINT,  -- 品類id
    action STRING,  -- 用戶行為
	province INT,   -- 用戶所在的省份
	ts     BIGINT,  -- 用戶行為發生的時間戳
    proctime as PROCTIME(),   -- 通過計算列產生一個處理時間列
	eventTime AS TO_TIMESTAMP(FROM_UNIXTIME(ts, 'yyyy-MM-dd HH:mm:ss')), -- 事件時間
    WATERMARK FOR eventTime as eventTime - INTERVAL '5' SECOND  -- 在eventTime上定義watermark
) WITH (
    'connector.type' = 'kafka',  -- 使用 kafka connector
    'connector.version' = 'universal',  -- kafka 版本，universal 支持 0.11 以上的版本
    'connector.topic' = 'user_behavior',  -- kafka主題
    'connector.startup-mode' = 'earliest-offset',  -- 偏移量，從起始 offset 開始讀取
	'connector.properties.group.id' = 'group1', -- 消費者組
    'connector.properties.zookeeper.connect' = 'kms-2:2181,kms-3:2181,kms-4:2181',  -- zookeeper 地址
    'connector.properties.bootstrap.servers' = 'kms-2:9092,kms-3:9092,kms-4:9092',  -- kafka broker 地址
    'format.type' = 'json'  -- 數據源格式為 json
);

創建MySQL的結果表，表示區域銷量

CREATE TABLE region_sales_sink (
    region_name STRING,  -- 區域名稱
    buy_cnt BIGINT  -- 銷量
) WITH (
  
    'connector.type' = 'jdbc',
    'connector.url' = 'jdbc:mysql://192.168.10.203:3306/mydw',
    'connector.table' = 'top_region', -- MySQL中的待插入數據的表
    'connector.driver' = 'com.mysql.jdbc.Driver',
    'connector.username' = 'root',
    'connector.password' = '123qwe',
    'connector.write.flush.interval' = '1s'
);

用戶行為數據與省份維表數據join

CREATE VIEW user_behavior_detail AS
SELECT
  u.user_id, 
  u.item_id,
  u.cat_id,
  u.action,  
  p.province_name,
  p.region_name
FROM user_behavior AS u LEFT JOIN dim_province FOR SYSTEM_TIME AS OF u.proctime AS p
ON u.province = p.province_id;

計算區域的銷量，並將計算結果寫入MySQL

INSERT INTO region_sales_sink
SELECT 
  region_name,
  COUNT(*) buy_cnt
FROM user_behavior_detail
WHERE action = 'buy'
GROUP BY region_name;

結果查看：

Flink SQL> select * from  region_sales_sink; -- 在Flink SQL cli中查看

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-hQPzLkz3-1596813141668)(實時數倉-Flink-SQL之維表join/結果.png)]

mysql> select * from top_region; -- 查看MySQL的數據

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-Wvg28hmd-1596813141674)(實時數倉-Flink-SQL之維表join/結果1.png)]

總結

本文主要介紹了FlinkSQL的維表join，使用的方式為Temporal Table Join。首先介紹了Flink SQL創建表的基本語法，並對其中的細節進行了描述。接着介紹了如何創建Kafka以及MySQL的數據源表。然后介紹了Temporal Table Join的基本概念與使用語法。最后，給出了一個完整的維表JOIN案例。