通过Apache Flink将SQL查询的结果写入文件

如何解决通过Apache Flink将SQL查询的结果写入文件

我有以下任务：

1. 使用对Hive表的SQL请求创建作业；
2. 在远程Flink群集上运行此作业；
3. 在文件中收集此作业的结果（最好使用HDFS）。

注意

因为有必要在远程Flink群集上运行此作业，所以我无法以简单的方式使用 TableEnvironment 。这张票证中提到了此问题：https://issues.apache.org/jira/browse/FLINK-18095。对于当前解决方案，我使用http://apache-flink-user-mailing-list-archive.2336050.n4.nabble.com/Table-Environment-for-Remote-Execution-td35691.html中的adivce。

代码

EnvironmentSettings batchSettings = EnvironmentSettings.newInstance().useBlinkPlanner().inBatchMode().build();
// create remote env
StreamExecutionEnvironment streamExecutionEnvironment = StreamExecutionEnvironment.createRemoteEnvironment("localhost",8081,"/path/to/my/jar");
// create StreamTableEnvironment
TableConfig tableConfig = new TableConfig();
ClassLoader classLoader = Thread.currentThread().getContextClassLoader();
CatalogManager catalogManager = CatalogManager.newBuilder()
                                              .classLoader(classLoader)
                                              .config(tableConfig.getConfiguration())
                                              .defaultCatalog(
                                                  batchSettings.getBuiltInCatalogName(),new GenericInMemoryCatalog(
                                                      batchSettings.getBuiltInCatalogName(),batchSettings.getBuiltInDatabaseName()))
                                              .executionConfig(
                                                  streamExecutionEnvironment.getConfig())
                                              .build();
ModuleManager moduleManager = new ModuleManager();
BatchExecutor batchExecutor = new BatchExecutor(streamExecutionEnvironment);
FunctionCatalog functionCatalog = new FunctionCatalog(tableConfig,catalogManager,moduleManager);
StreamTableEnvironmentImpl tableEnv = new StreamTableEnvironmentImpl(
    catalogManager,moduleManager,functionCatalog,tableConfig,streamExecutionEnvironment,new BatchPlanner(batchExecutor,catalogManager),batchExecutor,false);
// configure HiveCatalog
String name = "myhive";
String defaultDatabase = "default";
String hiveConfDir = "/path/to/hive/conf"; // a local path
HiveCatalog hive = new HiveCatalog(name,defaultDatabase,hiveConfDir);
tableEnv.registerCatalog("myhive",hive);
tableEnv.useCatalog("myhive");
// request to Hive
Table table = tableEnv.sqlQuery("select * from myhive.`default`.test");

问题

在此步骤中，我可以调用 table.execute（）方法，然后通过 collect（）方法获得 CloseableIterator 。但就我而言，由于请求的缘故，我可以获得大量的行，因此将其收集到文件（HDFS中的ORC）将是完美的选择。

我如何达到目标？

解决方法

Table.execute().collect()将视图结果返回给客户端以进行交互。您可以使用文件系统连接器，并使用INSERT INTO将视图写入文件。例如：

// create a filesystem table
tableEnvironment.executeSql("CREATE TABLE MyUserTable (\n" +
    "  column_name1 INT,\n" +
    "  column_name2 STRING,\n" +
    "  ..." +
    " \n" +
    ") WITH (\n" +
    "  'connector' = 'filesystem',\n" +
    "  'path' = 'hdfs://path/to/your/file',\n" +
    "  'format' = 'orc' \n" +
    ")");

// submit the job
tableEnvironment.executeSql("insert into MyUserTable select * from myhive.`default`.test");

查看有关文件系统连接器的更多信息：https://ci.apache.org/projects/flink/flink-docs-release-1.11/dev/table/connectors/filesystem.html