Apache Flink 漫谈系列 - JOIN LATERAL

我们结构一个只包括一个data字段的用户表，用户表数据如下：

• 查询需求

查询的需求是将data字段flatten成为name和age两个字段的表，祈望获得：

• 查询示例

我们以ITCase方法完成如上查询需求，完备代码如下：

@Test 
def testLateralTVF(): Unit = { 
val env = StreamExecutionEnvironment.getExecutionEnvironment 
val tEnv = TableEnvironment.getTableEnvironment(env) 
env.setStateBackend(getStateBackend) 
StreamITCase.clear 
 
val userData = new mutable.MutableList[(String)] 
userData.+=(("Sunny#8")) 
userData.+=(("Kevin#36")) 
userData.+=(("Panpan#36")) 
 
val SQLQuery = "SELECT data, name, age FROM userTab, LATERAL TABLE(splitTVF(data)) AS T(name, age)" 
 
val users = env.fromCollection(userData).toTable(tEnv, 'data) 
 
val tvf = new SplitTVF() 
tEnv.registerTable("userTab", users) 
tEnv.registerFunction("splitTVF", tvf) 
 
val result = tEnv.SQLQuery(SQLQuery).toAppendStream[Row] 
result.addSink(new StreamITCase.StringSink[Row]) 
env.execute() 
StreamITCase.testResults.foreach(println(_)) 
} 

运行功效：

上面的焦点语句是：

val SQLQuery = "SELECT data, name, age FROM userTab, LATERAL TABLE(splitTVF(data)) AS T(name, age)" 

假如各人想运行上面的示例，请查阅《Apache Flink 漫谈系列 - SQL概览》中 源码方法 搭建测试情形。

六、小结

本篇重点向各人先容了一种新的JOIN范例 - JOIN LATERAL。并向各人先容了SQL Server中对LATERAL的支持方法，具体说明白JOIN LATERAL和INNER JOIN的区别与接洽，最后切入到Apache Flink中，以UDTF示例声名白Apache Flink中对JOIN LATERAL的支持，后续篇章会先容Apache Flink中另一种行使LATERAL的场景，就是Temporal JION，Temporal JION也是一种新的JOIN范例，我们下一篇再会!

关于点赞和评述

本系列文章不免有许多缺陷和不敷，真诚但愿读者对有收成的篇章给以点赞勉励，对有不敷的篇章给以反馈和提议，先行感激各人!

作者：孙金城，混名 金竹，今朝就职于阿里巴巴，自2015年以来一向投入于基于Apache Flink的阿里巴巴计较平台Blink的计划研发事变。

【本文为51CTO专栏作者“金竹”原创稿件，转载请接洽原作者】

【编辑保举】

1. Apache Flink 漫谈系列 - Fault Tolerance
2. Apache Flink 漫谈系列 - 流表对偶(duality)性
3. Apache Flink 漫谈系列 - 一连查询(Continuous Queries)
4. Apache Flink 漫谈系列 - SQL概览
5. Apache Flink 漫谈系列 - JOIN 算子

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!