概述
在前面两篇中介绍了 存储 和 UDF，然后就开始着手准备streaming了，开始走了些弯路，本以为需要构建起一个简单的流系统，才能写streaming sql呢，所以跑去看来几天的flink，然后再仔细研究了calcite的源码后发现，其实并不用那么麻烦，所以这个系列又能继续了。
现在，我打算用2-3章来说说streaming。
首先streaming是对表的一种补充，因为他代表着当前和未来的情况，而表则代表着过去。流是连续，流动的记录的集合，与表不同，流通常不存储再磁盘上，而是再网络上流动，在内存中保留的时间也很短。
但是与表类似，业务上也通常希望以基于关系代数的高级语言查询流，根据模式进行验证，并优化以利用可用的资源和算法。
Calcite的 Streaming SQL是标准SQL的扩展，而不是另一种SQL like的语言。主要原因如下（翻译自calcite官方文档：
-
对于任何了解标准SQL的人来说，流式SQL都很容易学习。
-
语义清晰，无论使用表或是流，都可以返回相同的数据。
-
可以编写结合流和表的查询（或者流的历史记录，它基本上是内存中的表）。
-
许多现有的工具可以生成标准SQL。
-
如果不使用stream关键字，则返回常规标准SQL。
介绍了一下基本概念，关于流，还由一点是必须说的，就是窗口
-
tumbling window (GROUP BY)
-
hopping window (multi GROUP BY)
-
sliding window (window functions)
-
cascading window (window functions)
对于窗口和时间的一些理解，也可以看看，我的另外一篇文章《再谈Flink》
案例
好了，基础先说到这，下面来看看代码吧，这次其实非常简单，就可以完成streaming了，再一次强调， calcite的streaming sql和 flink及spark的支持不同，不是api级别上的，而是支持 stream关键字来支持流
我们已经有了前面工程的积累，这样代码量非常小的改动就可以完成了。
bookshopStream.json
首先，我们重新定义一个模型文件，取名bookshopStream.json
{ "version": "1.0", "defaultSchema": "bookshopstream", "schemas": [ { "name": "bookshopstream", "tables": [ { "name": "BOOK", "type": "custom", "factory": "com.dafei1288.calcite.stream.InMemoryStreamTableFactory",
"stream": { "stream": true }, "operand": { "p1": "hello", "p2": "world" } } ] } ] }这里我们对schema并没有过多的设置，而是直接对 tables属性进行了设置，将factory指定为 com.dafei1288.calcite.stream.InMemoryStreamTableFactory，这类后续在细讲。这里我们将表名定义为BOOK,意在后续使用之前案例的 Storage。
InMemoryStreamTableFactory
public class InMemoryStreamTableFactory implements TableFactory { @Override public Table create(SchemaPlus schema, String name, Map operand, RelDataType rowType) { System.out.println(operand); System.out.println(name);
return new InMemoryStreamTable(name, Storage.getTable(name)); } }因为在模型里，直接指定了TableFactory，这个类的职责就是构建 Table表对象，其职责，有点类似之前案例里的InMemorySchema类的 public Map<String, Table> getTableMap()方法。前文描述了过，指定了"name": "BOOK"，所以，在这里代码执行的结果就是加载了 BOOK表。
InMemoryStreamTable
public class InMemoryStreamTable extends InMemoryTable implements StreamableTable { public InMemoryStreamTable(String name, Storage.DummyTable it) { super(name, it); } @Override public Table
stream() { System.out.println("streaming ....."); return this; } }这里，为了能复用之前的存储逻辑，所以直接继承了InMemoryTable,所以，这个实现，其实底层并不是一个彻底的 streaming实现，而是和之前案例一直的内存实现，但是这样就可以通过stream关键字，来进行sql查询了。
测试
public class TestStreamJDBC { public static void main(String[] args) { try { Class.forName("org.apache.calcite.jdbc.Driver"); } catch (ClassNotFoundException e1) { e1.printStackTrace(); }
System.setProperty("saffron.default.charset", ConversionUtil.NATIVE_UTF16_CHARSET_NAME); System.setProperty("saffron.default.nationalcharset",ConversionUtil.NATIVE_UTF16_CHARSET_NAME);
System.setProperty("saffron.default.collation.name",ConversionUtil.NATIVE_UTF16_CHARSET_NAME + "$en_US"); Properties info = new Properties(); String jsonmodle = "E:\\w
orking\\others\\写作\
\calcit
etuto
rial\\src\\m
a
in\\resour
ces\\bookshopStream.json";
try { Connection connection = DriverManager.getConnection("jdbc:calcite:model=" + jsonmodle, info); CalciteConnection calciteConn = connection.unwrap(CalciteConnection.class);
ResultSet result = null; Statement st = connection.createStatement(); st = connection.createStatement(); //where b.name = '数据山' result = st.executeQuery("select stream * from
BOOK as b "); while(result.next()) { System.out.println(result.getString(1)+" \t "+result.getString(2)+" \t "+result.getString(3)+" \t "+result.getString(4)); } result.close(); }catch(Exception
e){ e.printStackTrace(); } } }select stream * from BOOK as b这里撰写了一个简单的SQL，并使用了 stream关键字，结果如下。
{p1=hello, p2=world, modelUri=E:\working\others\写作\calcitetutorial\src\main\resources\bookshopStream.json, baseDirectory=E:\working\others\写作\calcitetutorial\src\main\resources}
BOOK
streaming .....
scan ......
1 1 数据山 java
2 2 大关 sql
3 1 lili sql
4 3 ten c#那么对于一个非stream表，使用stream关键字，会怎么样呢？那么我们会得到一个异常
ERROR: Cannot convert table 'xxx' to a stream
结尾
目前只是完成了最基础的查询，代码已提交到demo仓库
TBD
