flink sql 知其所以然| sql api 类型系统 _系统

缥帙各舒散，前后互相逾。这篇文章主要讲述flink sql 知其所以然| sql api 类型系统相关的知识，希望能为你提供帮助。

文章图片

感谢您的关注+点赞 + 再看，对博主的肯定，会督促博主持续的输出更多的优质实战内容！！！

1.序篇-先说结论

文章图片
大数据羊说用数据提升美好事物发生的概率~ 29篇原创内容公众号protobuf 作为目前各大公司中最广泛使用的高效的协议数据交换格式工具库，会大量作为流式数据传输的序列化方式，所以在 flink sql 中如果能实现 protobuf 的 format 会非常有用（目前社区已经有对应的实现，不过目前还没有 merge，预计在 1.14 系列版本中能 release）。
这一节原本是介绍 flink sql 中怎么自定义实现 protobuf format 类型，但是 format 的实现过程中涉及到了 flink sql 类型系统的知识，所以此节先讲解 flink sql 类型系统的内容作为铺垫。以帮助能更好的理解 flink sql 的类型系统。
flink sql 类型系统并不是一开始就是目前这样的 LogicalType 体系，其最开始也是复用了 datastream 的 TypeInformation，后来才由 TypeInformation 转变为了 LogicalType，因此本节分为以下几个小节，来说明 flink sql api 类型的转变原因、过程以及新类型系统设计。

背景篇
目标篇-预期效果是什么
框架设计篇-具体方案实现
总结篇

2.背景篇熟悉 DataStream API 的同学都知道，DataStream API 的类型系统 TypeInformation 体系。所以初期 SQL API 的类型系统也是完全由 TypeInformation 实现的。但是随着 SQL API 的 feature 增强，用户越来越多的使用 SQL API 之后，发现 TypeInformation 作为 SQL API 的类型系统还是有一些缺陷的。
具体我们参考 Flip-37：https://cwiki.apache.org/confluence/display/FLINK/FLIP-37%3A+Rework+of+the+Table+API+Type+System。
Flip-65：https://cwiki.apache.org/confluence/display/FLINK/FLIP-65%3A+New+type+inference+for+Table+API+UDFs
issue：https://issues.apache.org/jira/browse/FLINK-12251
比如一些用户反馈有以下问题：
https://docs.google.com/document/d/1zKSY1z0lvtQdfOgwcLnCMSRHew3weeJ6QfQjSD0zWas/edit#heading=h.64s92ad5mb1
在 Flip-37 中介绍到：
1. TypeInformation 不能和 SQL 类型系统很好的集成，并且不同实现语言也会对其类型信息产生影响。
2. TypeInformation 与 SQL 类型系统不一致。
3. 不能为 DECIMAL 等定义精度和小数位数。
4. 不支持 CHAR/VARCHAR 之间的差异（FLINK-10257、FLINK-9559）。
5. 物理类型和逻辑类型是紧密耦合的。
flink sql 类型系统设计文档：https://docs.google.com/document/d/1a9HUb6OaBIoj9IRfbILcMFPrOL7ALeZ3rVI66dvA2_U/edit#heading=h.5qoorezffk0t
2.1.序列化器受执行环境影响怎么理解不同语言的环境会对类型信息产生影响，直接来看一下下面这个例子（基于 flink 1.8）：

import org.apache.flink.table.functions.TableFunctioncase class SimpleUser(name: String, age: Int)class TableFunc0 extends TableFunction[SimpleUser] {// make sure input element\'s format is "< string& gt#< int> "def eval(user: String): Unit = {if (user.contains("#")) {val splits = user.split("#")collect(SimpleUser(splits(0), splits(1).toInt))} }}

TableFunc0 出参（SimpleUser）的 TypeInformation 不仅取决于出参本身，还取决于使用的表环境，而且最终的序列化器也是不同的，这里以 java 环境和 scala 环境做比较：
2.1.1.java 环境
在 java 环境中，使用 org.apache.flink.table.api.java.StreamTableEnvironment#registerFunction 注册函数。
Java 类型提取是通过基于反射的 TypeExtractor 提取 TypeInformation。
示例代码如下（基于 flink 1.8 版本）：

public class JavaEnvTest {public static void main(String[] args) throws Exception {StreamExecutionEnvironment sEnv = StreamExecutionEnvironment.getExecutionEnvironment(); // create a TableEnvironment for streaming queries StreamTableEnvironment sTableEnv = StreamTableEnvironment.create(sEnv); sTableEnv.registerFunction("table1", new TableFunc0()); TableSqlFunction tableSqlFunction = (TableSqlFunction) sTableEnv .getFunctionCatalog() .getSqlOperatorTable() .getOperatorList() .get(170); TypeSerializer< ?> t = tableSqlFunction.getRowTypeInfo().createSerializer(sEnv.getConfig()); sEnv.execute(); }}

文章图片

1
java 环境，可以看到，最终使用的是 Kryo 序列化器。
2.1.2.scala 环境
在 scala 环境中，使用 org.apache.flink.table.api.scala.StreamTableEnvironment#registerFunction 注册函数。
使用 Scala 类型提取堆栈并通过使用 Scala 宏提取 TypeInformation。
示例代码如下（基于 flink 1.8 版本）：

object ScalaEnv {def main(args: Array[String]): Unit = { val env = StreamExecutionEnvironment.getExecutionEnvironment// create a TableEnvironment val tableEnv = StreamTableEnvironment.create(env)tableEnv.registerFunction("hashCode", new TableFunc0())val config = env.getConfigval function = new TableFunc0()registerFunction(config, function)// execute env.execute() }def registerFunction[T: TypeInformation](config: ExecutionConfig, tf: TableFunction[T]): Unit = { val typeInfo: TypeInformation[_] = if (tf.getResultType != null) { tf.getResultType } else { implicitly[TypeInformation[T]] }val ty = typeInfo.createSerializer(config)}}

文章图片

2
scala 环境，最终使用的是 Case Class 序列化器。
但是逻辑上同一个 sql 的 model 的序列化方式只应该与 model 本身有关，不应该与不同语言的 env 有关。不同的 env 的 model 序列化器都应该相同。
2.2.类型系统不一致SQL 类型系统与 TypeInformation 系统不一致。如下图
TypeInformation 类型系统的组成，熟悉 datastream 的同学应该都见过：

文章图片

但是标准的 sql 类型系统的组成应该是由如下组成这样：

文章图片

文章图片

可见 TypeInformation 类型系统与标准 SQL 类型系统的对应关系是不太一致的，这也就导致了 flink sql 与 TypeInformation 不能很好的集成。
2.3.TypeInformation 类型信息与序列化器绑定如图 TypeInformation 的具体实现类需要实现

TypeInformation<
T>
#createSerializer

，来指定类型信息的具体序列化器。

文章图片

3
举例，旧类型系统中，flink sql api 中是使用 CRow 进行的内部数据的流转， CRowTypeInfo 如下图，其序列化器固定为 CRowSerializer：

文章图片

19
再来一个例子， ListTypeInfo 的序列化器固定为 ListSerializer。

文章图片

4
可以看到 TypeInformation 的类型体系中，一种 TypeInformation 就和一个 TypeSerializer 是绑定的。
3.目标篇-预期效果是什么博主体感比较深的是：
1. 统一以及标准化 SQL 类型系统
2. 逻辑类型与物理类型解耦
然后来看看 flink 是怎么做这件事情的，下面的代码都基于 flink 1.13.1。
4.框架设计篇-具体方案实现先从最终最上层的角度出发，看看 flink sql 程序运行时数据载体的变化。
1.old planner：
内部数据流的基本数据类型：CRow = Row + 标识（是否回撤数据）
类型信息：CRowTypeInfo，其类型系统使用的完全也是 TypeInformation 那一套
序列化器：CRowSerializer = RowSerializer + 标识序列化
2.blink planner：
内部数据流的基本数据类型：RowData
类型信息：RowType，基于 LogicalType
序列化器：RowDataSerializer
4.1.统一以及标准化 SQL 类型系统先来重温下，SQL 标准类型：

文章图片

文章图片

然后开看看，flink sql 的类型系统设计，代码位于 flink-table-common 模块：
新的类型系统是基于 LogicalTypeFamily，LogicalTypeRoot，LogicalType 进行实现的：
LogicalTypeFamily：

文章图片

LogicalTypeRoot：

文章图片

LogicalType：

文章图片

具体 LogicalType 的各类实现类如下图所示：

文章图片

12
可以发现其设计（枚举信息、实现等）都是与 SQL 标准进行了对齐的。
具体类型详情可以参考官方文档，这里不过多赘述。https://ci.apache.org/projects/flink/flink-docs-release-1.13/docs/dev/table/types/
4.2.逻辑类型与物理类型解耦解耦这部分的实现比较好理解，博主通过两种方式来解释其解耦方式：
4.2.1.看看解耦的具体实现
博主画了一张图来比较下 TypeInformation 与 LogicalType，如下图。

文章图片

20

datastream\\old planner：如左图所示，都是基于 TypeInformation 体系，一种 TypeInformation 就和一个 TypeSerializer 是绑定的。
blink planner：如右图所示，都是基于 LogicalType 体系，但是与 TypeSerializer 通过中间的一层映射层进行解耦，这层映射层是 blink planner 独有的，当然如果你也能自定义一个 planner，你也可以自定义对应的映射方式。

LogicalType 只包含类型信息，关于具体的序列化器是在不同的 planner 中实现的。Blink Planner 是 InternalSerializers。
4.2.2.看看包的划分
其实我们也可以通过这些具体实现类的在 flink 中所在的包也可以看出其解耦方式。如图所示。

文章图片
21

datastream\\old planner：如左图所示，其中的核心逻辑类型、序列化器都是在 flink-core 中实现的。都是基于以及复用了 TypeInformation 体系。
blink planner：如右图所示，LogicalType 体系都是位于 flink-table-common 模块中，作为 sql 基础、标准的体系。而其中具体的序列化器是在 flink-table-runtime-blink 中的，可以说明不同的 planner 是有对应不同的实现的，从而实现了逻辑类型和物理序列化器的解耦。

5.总结篇本文主要介绍了 flink sql 类型系统的内容，从背景、目标以及最终的实现上做了一些思考和分析。
希望能抛砖引玉，让大家能在使用层面之上还能有一些更深层次的思考~

文章图片
大数据羊说用数据提升美好事物发生的概率~ 29篇原创内容公众号
往期推荐
flink sql 知其所以然（三）| 自定义 redis 数据汇表（附源码）
flink sql 知其所以然（二）| 自定义 redis 数据维表（附源码）
flink sql 知其所以然（一）| source\\sink 原理
揭秘字节跳动埋点数据实时动态处理引擎（附源码）
实时数仓不保障时效还玩个毛？

更多 Flink 实时大数据分析相关技术博文，视频。后台回复 “flink” 获取。