Flink自定义函数

文章目录

  • 01 引言
  • 02 如何注册自定义函数?
  • 03 自定义函数分类
    • 3.1 Scalar Function
      • 3.1.1 Scalar Function如何实现?
      • 3.1.2 Scalar Function举例
      • 3.1.3 特殊返回值处理
    • 3.2 Table Function
      • 3.2.1 Table Function如何实现?
      • 3.2.2 Table Function举例
    • 3.3 Aggregation Function
      • 3.3.1 Aggregation Function如何实现?
      • 3.3.2 Aggregation Function举例
  • 04 文末

01 引言

Flink Table API 中除了提供大量的内建函数之外,用户也能够实现自定义函数,这样极大地拓展了Table APISQL 的计算表达能力,使得用户能够更加方便灵活地使用 Table APIE 或 SQL 编写 Flink)应用。

02 如何注册自定义函数?

通常情况下,用户自定义的函数需要在 Flink TableEnvironment中进行注册,然后才能在Table APISQL 中使用。

函数注册通过 TableEnvironmentregisterFunction()方法完成,本质上是将用户自定义好的 Function注册到TableEnvironment中的 Function CataLog中,每次在调用的过程中直接到 CataLog中获取函数信息

03 自定义函数分类

Table API 中,根处理的数据类型以及计算方式的不同将自定义函数一共分为三种类别,分别为 :

  • Scalar Function
  • Table Function
  • Aggregation Function

3.1 Scalar Function

Scalar Function 也被称为标量函数表示对单个输入或者多个输入字段计算后返回一个确定类型的标量值,其返回值类型可以为除 TEXTNTEXT、IMAGE、CURSORTIMESTAMPTABLE 类型外的其他所有数据类型。例如 Flink 常见的内置标量函数有 DATE()、UPPER()、LTRIM () 等。

3.1.1 Scalar Function如何实现?

代码实现方式:

  1. 定义 Scalar Function 需要继承 org. Apache. Fink. Table. Functions包中的 ScalarFunction 类;
  2. 同时实现类中的 evaluation方法,自定义函数计算逻辑需要在该方法中定义,同时该方法必须声明为 public
  3. 将方法名称定义为 eval
  4. 同时在一个 ScalarFunction 实现类中可以定义多个evaluation 方法,只需要保证传递进来的参数不相同即可。

3.1.2 Scalar Function举例

举例:自定义实现 Scalar Function 实现字符串长度获取。

3.1.3 特殊返回值处理

在自定义标量函数过程中,函数的返回值类型必须为标量值,尽管 Flink 内部已经定义了大部分的基本数据类型以及 POJOs 类型等,但有些比较复杂的数据类型如果Flink不支持获取。

此时需要用户通过继承并实现 ScalarFunction 类中的 getResultType3实现 getResult--Type 方法对数据类型进行转换。

例如:在 Table APISQL中可能需要使用 Types. TIMESTAMP 数据类型,但是基于 ScalarFunction得出的只能是Long 类型,因此可以通过实现getResultType:方法对结果数据进行类型转换,从而返回 Timestamp 类型。

3.2 Table Function

Scalar Function 不同,Table Function:将一个或多个标量字段作为输入参数,且经过计算和处理后返回的是任意数量的记录,不再是单独的一个标量指标,且返回结果中可以含有一列或多列指标,根据自定义 Table Funciton函数返回值确定,因此从形式上看更像是 Table结构数据

3.2.1 Table Function如何实现?

代码实现方式:

  • 定义Table Function 需要继承 org. Apache. Fink. Table. Functions包中的 TableFunction 类;
  • 实现类中的 evaluation 方法,且所有的自定义函数计算逻辑均在该方法中定义
  • 需要注意方法必须声明为 public,且名称必须定义为 eval;
  • 另外在一个 TableFunction,实现类中可以实现多个 evaluation方法,只需要保证参数不相同即可。

3.2.2 Table Function举例

举例:通过自定义 SplitFunction Class 继承 TableFunction接口,实现根据指定切割符来切分输入字符串,并获取每个字符的长度和 HashCode 的功能,然后在 Table Select操作符和SQL语句中使用定义的 SplitFunction

自定义Table Funciton 实现将给定字符串切分成多条记录

Scalar Function()一样,对于不支持的输出结果类型,可以通过实现 TableFunction接口中的 getResultType()对输出结果的数据类型进行转换,具体可以参考 ScalarFunciton 定义。

3.3 Aggregation Function

Flink Table API 中提供了User-Defined Aggregate Functions (UDAGGs),其主要功能是将一行或多行数据进行聚合然后输出一个标量值,例如在数据集中根据 Key求取指定Value 的最大值或最小值。

3.3.1 Aggregation Function如何实现?

自定义 Aggregation Function 需要创建 Class 实现org. Apache. Fink. Table. Functions包中的AggregateFunction 类。

3.3.2 Aggregation Function举例

关于AggregateFunction 的接口定义如代码所示可以看出 AggregateFunction 定义相对比较复杂。

AggregateFunction 抽象类中包含了必须实现的方法createAccumulator()、accumulate()、getValue(),其中:

  • createAccumulator() 方法:主要用于创建 Accumulator,以用于存储计算过程中读取的中间数据,同时在 Accumulator中完成数据的累加操作;
  • accumulate() 方法:将每次接入的数据元素累加到定义的accumulator中,另外accumulate()方法也可以通过方法复载的方式处理不同类型的数据;
  • 当完成所有的数据累加操作结束后,最后通过 getValue() 方法返回函数的统计结果,最终完成整个AggregateFunction的计算流程。

除了以上三个必须要实现的方法之外,在 Aggregation Function 中还有根据具体使用场景选择性实现的方法,如 retract()、merge()、resetAccumulator()等方法。其中:

  • retract()方法:是在基于 Bouded Over Windows 的自定义聚合算子中使用
  • merge():方法是在多批聚合和 Session Window场景中使用
  • resetAccumulator():方法是在批量计算中多批聚合的场景中使用,主要对 accumulator 计数器进行重置操作。

因为目前在 Flink中对Scala的类型参数提取效率相对较低,因此Flink 建议用
户尽可能实现 Java语言的 Aggregation Function,同时应尽可能使用原始数据类型,例如 Int、Long 等,避免使用复合数据类型,如自定义 POJOs等,这样做的主要原因是在Aggregation Function 计算过程中,期间会有大量对象被创建和销毁,将对整个系统的性能造成一定的影响。

04 文末

本文主要讲解Flink自定义函数,谢谢大家的阅读,本文完!

本文链接:https://my.lmcjl.com/post/2619.html

展开阅读全文

4 评论

留下您的评论.