Flink SQL 开发的代码结构

最近一直都在搞 Flink 相关的开发，清晰的代码结构有利于开发规范的统一和业务逻辑的梳理。

Scala 代码结构，官网推荐的如下，

// create a TableEnvironment for specific planner batch or streaming
val tableEnv = ... // see "Create a TableEnvironment" section

// create an input Table
tableEnv.executeSql("CREATE TEMPORARY TABLE table1 ... WITH ( 'connector' = ... )")
// register an output Table
tableEnv.executeSql("CREATE TEMPORARY TABLE outputTable ... WITH ( 'connector' = ... )")

// create a Table from a Table API query
val table2 = tableEnv.from("table1").select(...)
// create a Table from a SQL query
val table3 = tableEnv.sqlQuery("SELECT ... FROM table1 ...")

// emit a Table API result Table to a TableSink, same for SQL result
val tableResult = table2.executeInsert("outputTable")
tableResult...

但是，实践下来，感觉不是很实用，我们就自己微调了下，还是喜欢下面的代码结构体。

1. 创建表执行环境（table env）

2. 创建输入表，读取数据流，处理为数据流，转化为输入表。

3. 创建输出表，将输入表转化为输出表。

4. 任务执行。

def main(args: Array[String]): Unit = {
    // 1. create table env （创建表执行环境）
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    val settings = EnvironmentSettings
      .newInstance()
      .useOldPlanner()
      .inStreamingMode()
      .build()
    val tableEnv = StreamTableEnvironment.create(env, settings)

    // 2. create inputTable (inputStream => dataStream => inputTable)（读取输入流，处理数为数据流，转化为输入表）
    // 2.1 inputStream => dataStream
    val inputStream: DataStream[String] = env.readTextFile(filePath)
    val dataStream: DataStream[(String, Int)] = inputStream.flatMap(_.split(" ")).map((_, 1))
    // 2.2 dataStream => inputTable
    val inputTable = tableEnv.fromDataStream[(String, Int)](dataStream, $"word", $"count")
      .groupBy($"word")
      .select($"word", $"count".sum)

    // 3. create outputTable (inputTable => outputTable)（将输入表转化为输出表）

    // 4. env exec （任务执行）
    env.execute("TableApiTemplate Job")
  }