2、连续查询#xff1a;

因为Flink是可以做实时的数据是在不断的变化的所以动态表指的是Flink中一张实时变换的表表中会不断的有新的数据。

但是这张表并不是真正的物理表。

2、连续查询

连续不断的查询因为Flink中的数据是实时不断的所以在SQL查询数据的时候查询是连续不断的。

2、Flink

1、首先会将Flink中的流转化成一张动态表在流上定义一张表但是在流上定义的一张表内部没有物化。

在使用SQL的前提就是需要有一张表在Flink流中定义的定义的一张表就是将Flink流中的数据给定义一下字段的名称表的类型数据类型等一些表该具备的条件这让能使用SQL查询。

2、此时就会在这张动态表上会做连续查询将查询的结果再分装成一个动态表

对于连续查询也是需要维护转状态的因为每次的查询都会使用到上一次查询的数据所以查询的表数据动态表是存储在状态中的。

但是Flink

SQL

1、首先动态表是一个逻辑概念不是一张物理表就类似MySQL中的视图可以做查询但是不存储数据因为是流处理所以当流来一条数据就处理一条数据然后将处理的结果返回出去所以是不存储数据

3、更新和追加查询

当第一条数据进入时会产生一条数据此时结果表中产生第一条数据是属于insert当流中的第二条数据进入时因为在结果表中并没有这条数据所以也是属于insert的操作当第三条数据进入的时候此时的结果表中的数据就发生改变数据并不是在insert而是在update

第二种查询如下图所示

此时在Flink的SQL中做开窗查询滑动的事件时间查询此时结果表展示是每个窗口数据只有insert的操作。

changelog

产生一个更新更改的查询通常必须维护更多的状态因为需要使用到之前的数据

2、将一个append-only的表转化成流与一个将已更新的表转化成的流是不相同的。

4、查询限制

连续查询在无界流中的查询通常的计算时间会比较长随着时间的推移所需要维护的状态就会越来大随着时间的推移就有可能会导致任务失败。

2、计算更新

比如查询的计算量特别的大对于这些需要重新计算和更新大量已经输出的结果表如果随便的添加一行或者更新更新一行数据那么计算压力会非常的大有可能会导致任务失败。

将动态表转化成一个流或将其写入到外部系统中对这些更改进行编码。

Flink的

Table

指的是连续查询后的结果表中数据是通过insert操作追加的动态表转换成的流。

2、ReTract

例如下图的表中显示的当第一条和第二条数据数据进来的时候此时的结果是还一条流当第三条数据进来的时候由于数据已经存在流中此时就会产生两条结果分别进行删除和更新删除产生一个与存在流中相反的数据与其抵消然后再产生一个新的数据。

例如图中原先流中的

Mary

是将动态中表中的数据写入到流中当写入到流中的数据相同时会自动的更新或插入数据。