注意的点

网上有很多垃圾文章只写了一个字段做测试，所以Flink sql 在写mysql sink的时候
primary key (uid) NOT ENFORCED 是生效的。 但是前提是一个字段，flinksql检测数据的时候就不需要关心其是否重复。
而当我们的数据源有多个字段时，这时候就需要在insert into 就不会走upsert 模式了。

• flinksql 不支持 insert overwrite 的语句， 需要注册 实现OverwritableTableSink接口。代码就又复杂了。

解决方法

当需要对一整张mysql表进行 insert or update 时， flinksql 是没有mysql的方言dailect可以注册的，只有hive的方言。
所以 无法insert overwrite table select * from temp_table 。 故需要用group by 语句，来对实时的结果集做upsert。
把所有select 语句中的字段 都加入到 group by 语句中 。 这样flinksql识别语法，并根据主键更新mysql表的记录。
对于实时流来说，两条全部字段一模一样的记录，本质上代表统计的结果集没有任何变动。 故只需要保留一条即可。
不存在数据被去重掉的问题。

package com.dhgate.myyshop.mds

import bean.{AuthorDetail, AuthorTotalData}
import com.alibaba.fastjson.JSON
import com.dhgate.myyshop.util.{FlinkEnv, RedisUtil}
import org.apache.flink.api.common.functions.RichMapFunction
import org.apache.flink.api.common.serialization.SimpleStringSchema
import org.apache.flink.configuration.Configuration
import org.apache.flink.streaming.api.scala.{DataStream, StreamExecutionEnvironment}
import org.apache.flink.streaming.connectors.kafka.{FlinkKafkaConsumer, FlinkKafkaConsumerBase}
import org.apache.flink.table.api.EnvironmentSettings
import org.apache.flink.table.api.bridge.scala.StreamTableEnvironment
import org.slf4j.LoggerFactory
import redis.clients.jedis.Jedis

import java.util.Properties

/**

• binlog解析
  */
  object Mds_Tik_Author_Detail_bak {

private val log = LoggerFactory.getLogger(this.getClass)

def main(args: Array[String]): Unit = {

val TASK_NAME: String = this.getClass().getSimpleName().filter(!_.equals('$'))
System.setProperty("HADOOP_USER_NAME", "hadoop")
val in = Thread.currentThread.getContextClassLoader.getResourceAsStream("myyshop.properties")
val prop = new Properties
try {prop.load(in)
} catch {case e: Exception => {e.printStackTrace()}
}var streamEnv = StreamExecutionEnvironment.getExecutionEnvironment
//streamEnv = FlinkEnv.setStreaminigEnv(streamEnv, prop.getProperty("FLINK_AUTHOR_DETAIL_CHECKPOINT"))val properties = new Properties()
properties.setProperty("bootstrap.servers", prop.getProperty("KAFKA_BEIJING"))
properties.setProperty("group.id", prop.getProperty("FLINK_TOPIC_AUTHOR_DETAIL_GROUP_ID_2"))val author_detail_stream: FlinkKafkaConsumerBase[String] = new FlinkKafkaConsumer[String](prop.getProperty("FLINK_AUTHOR_DETAIL"),new SimpleStringSchema(),properties
).setStartFromEarliest()import org.apache.flink.streaming.api.scala._val rawData = streamEnv.addSource(author_detail_stream).setParallelism(1)
val authorDetailDS: DataStream[AuthorDetail] = rawData.filter(jsonStr => {val jsonObj = JSON.parseObject(jsonStr)val operationType = jsonObj.getString("operation_type")"INSERT".equalsIgnoreCase(operationType)}).map(jsonStr => {val jsonObj = JSON.parseObject(jsonStr)val uid = jsonObj.getString("uid")// 关注数var followingCount = jsonObj.getLong("following_count")// 粉丝数var followerCount = jsonObj.getLong("follower_count")// 喜欢数var totalFavorited = jsonObj.getLong("total_favorited")// 作品数var awemeCount = jsonObj.getLong("aweme_count")if (followingCount == null) {followingCount = 0L}if (followerCount == null) {followerCount = 0L}if (totalFavorited == null) {totalFavorited = 0L}if (awemeCount == null) {awemeCount = 0L}new AuthorDetail(uid, followingCount, followerCount, totalFavorited, awemeCount)// author_detail(uid, followingCount, followerCount, totalFavorited, awemeCount)})val prefix = "author_detail"// 数据进来,根据uid查询redis,若没有动态存redis和mysql,增量为0;若有则动态更新mysql,根据redis首条记录计算增量
val value: DataStream[AuthorTotalData] = authorDetailDS.map(new RichMapFunction[AuthorDetail, AuthorTotalData] {var jedis: Jedis = nulloverride def open(parameters: Configuration): Unit = {jedis = RedisUtil.getJedis()super.open(parameters)}override def map(authorDetail: AuthorDetail): AuthorTotalData = {val key = prefix + authorDetail.getUidval redisValue = jedis.hget(key, "followingCount")if (redisValue == null) {jedis.hset(key, "followingCount", authorDetail.getFollowingCount.toString)jedis.hset(key, "followerCount", authorDetail.getFollowerCount.toString)jedis.hset(key, "totalFavorited", authorDetail.getTotalFavorited.toString)jedis.hset(key, "awemeCount", authorDetail.getAwemeCount.toString)//mysql操作new AuthorTotalData(authorDetail.getUid, authorDetail.getFollowingCount, authorDetail.getFollowerCount, authorDetail.getTotalFavorited, authorDetail.getAwemeCount, 0, 0, 0, 0)//author_detail_sink(authorDetail.uid, authorDetail.following_count, authorDetail.follower_count, authorDetail.total_favorited, authorDetail.aweme_count, 0L, 0L, 0L, 0L)} else {val oldFollowingCount = redisValue.toLongval oldFollowerCount = jedis.hget(key, "followerCount").toLongval oldTotalFavorited = jedis.hget(key, "totalFavorited").toLongval oldAwemeCount = jedis.hget(key, "awemeCount").toLongval followingCountIncrease = authorDetail.getFollowingCount - oldFollowingCountval followerCountIncrease = authorDetail.getFollowerCount - oldFollowerCountval totalFavoritedIncrease = authorDetail.getTotalFavorited - oldTotalFavoritedval awemeCountIncrease = authorDetail.getAwemeCount - oldAwemeCount//mysql操作new AuthorTotalData(authorDetail.getUid, oldFollowingCount, oldFollowerCount, oldTotalFavorited, oldAwemeCount, followingCountIncrease, followerCountIncrease, totalFavoritedIncrease, awemeCountIncrease)//author_detail_sink(authorDetail.uid, oldFollowingCount, oldFollowerCount, oldTotalFavorited, oldAwemeCount, followingCountIncrease, followerCountIncrease, totalFavoritedIncrease, awemeCountIncrease)}}override def close(): Unit = {jedis.close()super.close()}
})
//value.addSink(new Myyshop_Dwd_Sink(prop))
//    println(value)
import org.apache.flink.table.api.SqlDialectval blinkStreamSettings = EnvironmentSettings.newInstance.useBlinkPlanner.inStreamingMode.build
val tableEnv = StreamTableEnvironment.create(streamEnv, blinkStreamSettings)//把返回的流注册成临时表AuthorTotalData，代表source
tableEnv.createTemporaryView("AuthorTotalData", value)val MYSQL_TABLE_SINK_DDL = "" +"CREATE TABLE `flilnk_author_total_data` (\n" +"   uid              STRING ,\n" +"   following_count      bigint,\n" +"   follower_count        bigint,\n" +"   total_favorited          bigint,\n" +"   aweme_count             bigint,\n" +"   following_count_increase bigint,\n" +"   follower_count_increase bigint,\n" +"   total_favorited_increase bigint,\n" +"   aweme_count_increase bigint, \n" +"   primary key (uid)  NOT  ENFORCED \n" +") WITH (\n" +"  'connector.type' = 'jdbc', -- 连接方式\n" +"  'connector.url' = 'jdbc:mysql://ip:3306/nacos?useUnicode=true&characterEncoding=utf-8&useSSL=false', -- jdbc的url\n" +"  'connector.table' = 'author_total_data',  -- 表名\n" +"  'connector.driver' = 'com.mysql.jdbc.Driver', -- 驱动名字，可以不填，会自动从上面的jdbc url解析 \n" +"  'connector.username' = 'root', --  用户名\n" +"  'connector.password' = 'xxx',  -- 密码\n" +//"  'connector.write.unique-key' = 'uid',  -- 要更新的主键\n" +"  'connector.write.max-retries' = '3',-- 写入失败时，重试3次\n" +"  'connector.write.flush.max-rows' = '100', -- 意思是攒满多少条才触发写入 \n" +"  'connector.write.flush.interval' = '1s' -- 意思是攒满多少秒才触发写入；这2个参数，无论数据满足哪个条件，就会触发写入\n" +")"
//创建flink-mysql-ddl语句，映射到数据库表， 走flinksql集成的SINK
tableEnv.sqlUpdate(MYSQL_TABLE_SINK_DDL)tableEnv.executeSql("insert into  flilnk_author_total_data   " +" select " +"uid, " +"followingCount as following_count , " +"followerCount as follower_count," +"totalFavorited as total_favorited," +"awemeCount as aweme_count," +"followingCountIncrease as  following_count_increase , " +"followerCountIncrease as follower_count_increase , " +"totalFavoritedIncrease as total_favorited_increase," +"awemeCountIncrease  as aweme_count_increase " +" from " +" AuthorTotalData " +"group by  uid,followingCount,followerCount,totalFavorited,awemeCount,followingCountIncrease,followerCountIncrease,totalFavoritedIncrease,awemeCountIncrease "
)streamEnv.execute(TASK_NAME)

}
}

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	'Isn't this fun?'	‘Isn’t this fun?’
Quotes	"Isn't this fun?"	“Isn’t this fun?”
Dashes	-- is en-dash, --- is em-dash	– is en-dash, — is em-dash

创建一个自定义列表

Markdown

Text-to-HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。¹

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma (n)=(n-1)!\forall n\in \mathbb{N}$ 是通过欧拉积分

$$\Gamma (z)={\int }_0^{\infty }{t}^{z-1}{e}^{-t}dt.$$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

• 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：

这将产生一个流程图。:

• 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

• 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

---

1. 注脚的解释 ↩︎