Flink实时大数据处理技术 教案 08 Table API和SQL.doc

章节名称

TableAPI和SQL

课序/课时

总课时

课程性质

考试方式

授课教师

编制时间

33/2课时

80

必修/选修

闭卷/大作业

课题

TableAPISQL概述

教学内容

·程序基本结构

·TableEnvironment创建

·创建Table

·Table查询

·Flink的发展过程和主要版本

·Table与DataStream的转换

教学目的

一、定义与功能

TableAPI：是ApacheFlink提供的一种用于流和批处理的统一关系API。它是SQL语言的超集，专为与ApacheFlink一起工作而设计。TableAPI支持Scala、Java和Python语言，允许用户通过编程语言的方式定义查询，具有自动完成和语法验证等IDE支持。

FlinkSQL：是基于ApacheCalcite来实现的标准SQL，用于处理流和批数据。FlinkSQL与TableAPI紧密集成，用户可以通过SQL语句查询数据，无需关心底层实现细节。

特点

流批统一：无论是批处理还是流处理，TableAPI和FlinkSQL都提供了相同的语义和结果。

简洁直观：通过类SQL的API，用户可以像操作关系数据库一样操作数据，非常直观和方便。

高效执行：Flink底层对TableAPI和FlinkSQL进行了深度优化，确保了高效的执行性能。

易于扩展：TableAPI和FlinkSQL支持用户自定义函数（UDF），可以根据业务需求灵活扩展。

二、教学目的

理解TableAPISQL的基本概念

使学生了解TableAPI和FlinkSQL在Flink生态系统中的位置和作用。

掌握TableAPI和FlinkSQL的基本概念和特点，如流批统一、简洁直观等。

掌握TableAPISQL的基本操作

教授学生如何使用TableAPI和FlinkSQL进行数据建表、数据转换和输出操作。

引导学生熟悉TableAPI和FlinkSQL中的常用函数和操作符，如选择、过滤、聚合等。

实践TableAPISQL的编程实践

通过实际案例和编程练习，让学生亲自动手编写TableAPI和FlinkSQL程序，加深对其理解和应用。

教授学生在实际项目中如何选择和运用TableAPI和FlinkSQL，以满足业务需求。

了解TableAPISQL的优化策略

引导学生了解TableAPI和FlinkSQL的执行计划和优化策略，以提高程序的执行效率和性能。

教授学生如何根据业务需求和数据特点进行合适的优化设置和参数调整。

培养解决实际问题的能力

通过项目实践和问题解决，培养学生的动手能力和解决实际问题的能力。

引导学生将TableAPI和FlinkSQL应用于实际业务场景中，提升其在大数据领域的技能水平。

教学重难点

·重点：

·程序基本结构

·TableEnvironment创建

·创建Table

·Table查询

·Flink的发展过程和主要版本

·Table与DataStream的转换

·难点：

·Flink的发展过程和主要版本

·Table与DataStream的转换

教学方式

·提问法

·讲授法

·引导法

·案例法

教学用具

·笔记本电脑

·window10

·IntelliJIDEA2020.1.2

·课堂极域教学平台

·VMware

·虚拟机

教学步骤

复习提问

导入本节内容。

3.精讲本节内容。

4.进行本节小结。

5.布置课后作业。

教学环节

复习提问

新课讲解

课堂答疑

课程小结

作业布置

时间分配

(分钟计算)

章节名称

TableAPI和SQL

课序/课时

总课时

课程性质

考试方式

授课教师

编制时间

34/2课时

80

必修/选修

闭卷/大作业

课题

FlinkSQL使用

教学内容

·基本使用

·DDL创建表

·查询表

·插入数据

教学目的

一、教学目的概述

在教授FlinkSQL的使用时，我们的主要目的是使学生能够理解并掌握FlinkSQL的基本概念、原理、使用方法和优化策略，以便能够在实际的大数据场景中有效地运用FlinkSQL进行数据处理和分析。通过本课程的教学，学生将能够：

·理解FlinkSQL的核心概念

使学生了解FlinkSQL在Flink生态系统中的地位和作用，以及它与其他数据处理技术的区别和联系。同时，学生将掌握FlinkSQL的基本概念和特性，如流批统一、时间属性、窗口操作等。

·掌握FlinkSQL的基本操作

通过实例和练习，使学生能够熟练地使用FlinkSQL进行数据查询、转换、聚合等操作。学生将学习如何编写FlinkSQL语句，包括选择语句、过滤语句、连接语句、聚合语句等，并了解它们在实际数据处