Flink SQL DDL基本语法介绍

Python与大数据
294 阅读4分钟

Flink SQL DDL（Data Definition Language）基本语法介绍。

一、数据库

创建数据库

  1. 语法
CREATE DATABASE [IF NOT EXISTS] [catalog_name.]db_name
  [COMMENT database_comment]
  WITH (key1=val1, key2=val2, ...)
  1. 案例
CREATE DATABASE db_pyflink;

查询数据库

# 查询所有数据库
SHOW DATABASES
# 查询当前数据库
SHOW CURRENT DATABASE

修改数据库

# 语法
ALTER DATABASE [catalog_name.]db_name SET (key1=val1, key2=val2, ...)

删除数据库

# 语法
DROP DATABASE [IF EXISTS] [catalog_name.]db_name [ (RESTRICT | CASCADE) ]
# 案例
DROP DATABASE db_pyflink;
  • RESTRICT：删除非空数据库会触发异常，默认启用。
  • CASCADE：删除非空数据库也会删除所有相关的表和函数。

切换当前数据库

USE database_name;

二、表

创建表

  1. 语法
CREATE TABLE [IF NOT EXISTS] [catalog_name.][db_name.]table_name
  (
    { <physical_column_definition> | <metadata_column_definition> | <computed_column_definition> }[ , ...n]
    [ <watermark_definition> ]
    [ <table_constraint> ][ , ...n]
  )
  [COMMENT table_comment]
  [PARTITIONED BY (partition_column_name1, partition_column_name2, ...)]
  WITH (key1=val1, key2=val2, ...)
  [ LIKE source_table [( <like_options> )] | AS select_query ]
  • physical_column_definition：物理列是数据库中所说的常规列。其定义了物理介质中存储的数据中字段的名称、类型和顺序。其他类型的列可以在物理列之间声明，但不会影响最终的物理列的读取。
  • metadata_column_definition：元数据列是 SQL 标准的扩展，允许访问数据源本身具有的一些元数据，元数据列由 METADATA 关键字标识。
CREATE TABLE MyTable (
  `user_id` BIGINT,
  `name` STRING,
  `record_time` TIMESTAMP_LTZ(3) METADATA FROM 'timestamp'
) WITH (
  'connector' = 'kafka'
  ...
);

例如，我们可以使用元数据列从Kafka记录中读取和写入时间戳，用于基于时间的操作（这个时间戳不是数据中的某个时间戳字段，而是数据写入 Kafka 时，Kafka 引擎给这条数据打上的时间戳标记）。connector和format文档列出了每个组件可用的元数据字段。

  • computed_column_definition：计算列是使用语法column_name AS computed_column_expression生成的虚拟列。它是拿已有的一些列经过一些自定义的运算生成的新列，在物理上并不存储在表中，只能读不能写。列的数据类型从给定的表达式自动派生，无需手动声明。

  • 定义Watermark：Flink SQL 提供了几种 WATERMARK 生产策略。

    • 严格升序：WATERMARK FOR rowtime_column AS rowtime_column：Flink 任务认为时间戳只会越来越大，也不存在相等的情况，只要相等或者小于之前的，就认为是迟到的数据。
    • 递增：WATERMARK FOR rowtime_column AS rowtime_column - INTERVAL '0.001' SECOND ：一般基本不用这种方式。如果设置此类，则允许有相同的时间戳出现。
    • 有界无序：WATERMARK FOR rowtime_column AS rowtime_column – INTERVAL 'string' timeUnit ：此类策略就可以用于设置最大乱序时间，假如设置为 WATERMARK FOR rowtime_column AS rowtime_column - INTERVAL '5' SECOND ，则生成的是运行 5s 延迟的Watermark。一般都用这种 Watermark 生成策略，此类 Watermark 生成策略通常用于有数据乱序的场景中，而对应到实际的场景中，数据都是会存在乱序的，所以基本都使用此类策略。

  • PRIMARY KEY：主键约束表明表中的一列或一组列是唯一的，并且它们不包含NULL值。主键唯一地标识表中的一行，只支持 not enforced。

  • PARTITIONED BY：创建分区表。

  • with语句：用于创建表的表属性，用于指定外部存储系统的元数据信息。配置属性时，表达式key1=val1的键和值都应该是字符串字面值。如下是Kafka的映射表：

CREATE TABLE KafkaTable (
`user_id` BIGINT,
`name` STRING,
`ts` TIMESTAMP(3) METADATA FROM 'timestamp'
) WITH (
'connector' = 'kafka',
'topic' = 'user_behavior',
'properties.bootstrap.servers' = 'localhost:9092',
'properties.group.id' = 'testGroup',
'scan.startup.mode' = 'earliest-offset',
'format' = 'csv'
)
# 一般 with 中的配置项由 Flink SQL 的 Connector（链接外部存储的连接器） 来定义，每种 Connector 提供的with 配置项都是不同的。
  • AS select_statement（CTAS）：在一个create-table-as-select (CTAS)语句中，还可以通过查询的结果创建和填充表。CTAS是使用单个命令创建数据并向表中插入数据的最简单、最快速的方法。
CREATE TABLE my_ctas_table
WITH (
    'connector' = 'kafka',
    ...
)
AS SELECT id, name, age FROM source_table WHERE mod(id, 10) = 0;

注意:CTAS有以下限制:

  • 暂不支持创建临时表
  • 目前还不支持指定显式列
  • 还不支持指定显式水印
  • 目前还不支持创建分区表
  • 目前还不支持指定主键约束
  1. 简单建表示例
CREATE TABLE test(
    id INT, 
    ts BIGINT, 
    vc INT
) WITH (
'connector' = 'print'
);

CREATE TABLE test1 (
    `value` STRING
)
LIKE test;

查看表

  1. 查看所有表
SHOW TABLES [ ( FROM | IN ) [catalog_name.]database_name ] [ [NOT] LIKE <sql_like_pattern> ]

如果没有指定数据库，则从当前数据库返回表。LIKE子句中sql pattern的语法与MySQL方言的语法相同:

  • %匹配任意数量的字符，甚至零字符，%匹配一个'%'字符
  • _只匹配一个字符，_只匹配一个'_'字符
  1. 查看表信息
{ DESCRIBE | DESC } [catalog_name.][db_name.]table_name

desc event_table;
  1. 修改表
# 修改表名
ALTER TABLE [catalog_name.][db_name.]table_name RENAME TO new_table_name
# 修改表属性
ALTER TABLE [catalog_name.][db_name.]table_name SET (key1=val1, key2=val2, ...)
  1. 删除表
DROP [TEMPORARY] TABLE [IF EXISTS] [catalog_name.][db_name.]table_name
avatar
文章
阅读
粉丝