Hi, Jark
感谢你的建议! 我们这边充分相信社区在SQL/Table上的苦心孤诣,也愿意跟进Flink在新版本的变化。 先看我遇到问题本身,你的建议确实可以帮助我解决问题。我想聊一下我对问题之外的一些想法 ``` > 2. 我们目前封装了一些自己的Sink,我们会在Sink之前增加一个process/Filter 用来做缓冲池/微批/数据过滤等功能 这个我觉得也可以封装在 SinkFunction 里面。 ``` 比如上述这个问题2,我们确实可以把它做到SinkFunction中,但是我个人认为这可能在设计上不够理想的。我个人在设计编排Function/算子的时候习惯于遵循”算子单一职责”的原则,这也是我为什么会拆分出多个process/filter算子编排到SinkFunction前面而非将这些功能耦合到SinkFunction去做。另一方面,没了DataStream,向新的API的迁移成本相对来说变得更高了一些~ 又或者,我们现在还有一些特殊原因,算子编排的时候会去修改TaskChain Strategy,这个时候DataStream的灵活性是必不可少的 考虑到Flink Task都可以拆分成Source -> Transformation -> sink 三个阶段,那么能让用户可以对自己的作业针对(流或批)的运行模式下,可以有效灵活做一些自己的定制策略/优化/逻辑可能是会方便的~ 诚然,DataStream的灵活性确实会是一把双刃剑,但就像@leonard提到的,平台层和应用层的目的和开发重点可能也不太一样,对Flink API使用侧重点也不同。我个人还是希望可以在享受全新API设计优势同时, 可以继续使用DataStream(Transformation)的灵活性,助力Flink组件在我们组的开落地 再次感谢各位的回复! ________________________________ 发件人: Jark Wu <imj...@gmail.com> 发送时间: 2020年7月22日 16:33:45 收件人: user-zh 抄送: godfrey he; greemqq...@163.com; 刘首维 主题: Re: 关于1.11Flink SQL 全新API设计的一些问题 Hi,首维, 非常感谢反馈。与 DataStream 解耦是 FLIP-95 的一个非常重要的设计目标,这让 sink/source 对于框架来说不再是黑盒, 因此将来才可以做诸如 state 兼容升级、消息顺序保障、自动并发设置等等事情。 关于你的一些需求,下面是我的建议和回复: > 1. 我们现在有某种特定的Kafka数据格式,1条Kafka数据 > 会对应转换n(n为正整数)条Row数据,我们的做法是在emitDataStream的时候增加了一个process/FlatMap阶段,用于处理这种情况,这样对用户是透明的。 这个理论上还属于“数据格式”的职责,所以建议做在 DeserializationSchema 上,目前 DeserializationSchema 支持一对多的输出。可以参考 DebeziumJsonDeserializationSchema 的实现。 > 2. 我们目前封装了一些自己的Sink,我们会在Sink之前增加一个process/Filter 用来做缓冲池/微批/数据过滤等功能 这个我觉得也可以封装在 SinkFunction 里面。 > 3. 调整或者指定Source/Sink并行度为用户指定值,我们也是在DataStream层面上去做的 这个社区也有计划在 FLIP-95 之上支持,会提供并发(或者分区)推断的能力。 > 4. 对于一些特殊Source Sink,他们会和KeyBy操作组合(对用户透明),我们也是在DataStream层面上去做的 这个能在具体一点吗?目前像 SupportsPartitioning 接口,就可以指定数据在交给 sink 之前先做 group by partition。我感觉这个可能也可以通过引入类似的接口解决。 Best, Jark On Wed, 22 Jul 2020 at 16:27, Leonard Xu <xbjt...@gmail.com<mailto:xbjt...@gmail.com>> wrote: Hi,首维, Ran 感谢分享, 我理解1.11新的API主要是想把 Table API 和 DataStream API 两套尽量拆分干净, 但看起来平台级的开发工作会依赖DataStream的一些预处理和用户逻辑。 我觉得这类需求对平台开发是合理,可以收集反馈下的, cc: godfrey 祝好 Leonard Xu > 在 2020年7月22日,13:47,刘首维 > <liushou...@autohome.com.cn<mailto:liushou...@autohome.com.cn>> 写道: > > Hi JingSong, > > 简单介绍一下背景,我们组的一个工作就是用户在页面写Sql,我们负责将Sql处理转换成Flink作业并在我们的平台上运行,这个转换的过程依赖我们的SQL > SDK > 下面我举几个我们比较常用且感觉用1.11新API不太好实现的例子 > > > 1. 我们现在有某种特定的Kafka数据格式,1条Kafka数据 > 会对应转换n(n为正整数)条Row数据,我们的做法是在emitDataStream的时候增加了一个process/FlatMap阶段,用于处理这种情况,这样对用户是透明的。 > 2. 我们目前封装了一些自己的Sink,我们会在Sink之前增加一个process/Filter 用来做缓冲池/微批/数据过滤等功能 > 3. 调整或者指定Source/Sink并行度为用户指定值,我们也是在DataStream层面上去做的 > 4. 对于一些特殊Source Sink,他们会和KeyBy操作组合(对用户透明),我们也是在DataStream层面上去做的 > > > 如果可以的话,能让我在API层面拿到Transformation也是能满足我需求的 > > > ________________________________ > 发件人: Jingsong Li <jingsongl...@gmail.com<mailto:jingsongl...@gmail.com>> > 发送时间: 2020年7月22日 13:26:00 > 收件人: user-zh > 抄送: imj...@gmail.com<mailto:imj...@gmail.com> > 主题: Re: 关于1.11Flink SQL 全新API设计的一些问题 > > 可以分享下你们为啥要拿到DataStream吗?什么场景一定离不开DataStream吗? > > Best > Jingsong > > On Wed, Jul 22, 2020 at 12:36 PM 刘首维 > <liushou...@autohome.com.cn<mailto:liushou...@autohome.com.cn>> wrote: > >> Hi all, >> >> >> >> 很高兴看到Flink 1.11的发布,FLIP95和FLIP105也成功落地~ >> >> 我们最近在调研基于1.11的SQL/Table API对我们旧有的SQL >> SDK进行升级。经过初步调研发现,基于`Factory`和`DynamicTable`的API,CatalogTable会被Planner直接变成Transformation,而不是跟之前一样可以拿到DataStream。比如之前的`StreamTableSource`#getDataStream,我可以直接获得DataStream对象的。这个动作/方法对于我们很重要,因为我们封装的SDK中,很多内部操作是在这个方法调用时触发/完成的。 >> >> >> >> 所以,如果基于新的API去开发的话,我该如何获取到DataStream,或者达成类似的效果呢(尽可能不去动执行计划的话) >> > > > -- > Best, Jingsong Lee