使用Faker连接器生成测试数据-实时计算 Flink版-阿里云

本文为您介绍如何使用模拟数据生成Faker连接器。

背景信息

模拟数据生成Faker是系统内置的连接器，它根据表中每个字段提供的Java Faker表达式生成测试数据。当您在开发或测试时，需要使用一些测试数据来验证业务逻辑时，推荐您使用模拟数据生成连接器。

模拟数据生成连接器支持的信息如下。

类别	详情
支持类型	源表和维表
运行模式	批模式和流模式
数据格式	不适用
特有监控指标	无
API种类	SQL
是否支持更新或删除结果表数据	不涉及

前提条件

无

使用限制

仅Flink计算引擎VVR 4.0.12及以上版本支持模拟数据生成连接器。
仅支持部分数据类型，包括CHAR(n)、VARCHAR(n)、STRING、TINYINT、SMALLINT、INT、BIGINT、FLOAT、DOUBLE、DECIMAL、BOOLEAN、TIMESTAMP、ARRAY、MAP、MULTISET和ROW。
Faker作为维表Join时，并不执行实际的维表查找动作，而是根据源表传入的lookup key直接生成返回结果。

语法结构

CREATE TABLE faker_source (
  `name` STRING,
  `age` INT
) WITH (
  'connector' = 'faker',
  'fields.name.expression' = '#{superhero.name}',
  'fields.age.expression' = '#{number.numberBetween ''0'',''1000''}'
);

WITH参数

类型	参数	说明	数据类型	是否必填	默认值	备注
通用	connector	表类型。	String	是	无	固定值为faker。
	fields.<field>.expression	生成该字段值的Java Faker表达式。	String	是	无	详情请参见字段表达式。
	fields.<field>.null-rate	该字段值为空的占比。	Float	否	0.0	无
	fields.<field>.length	ARRAY、MAP或MULTISET集合类型的大小。	Integer	否	1	无
源表独有	number-of-rows	生成的数据行数。	Integer	否	-1	如果设置了该参数，则源表是有界的，否则是无界的。
源表独有	rows-per-second	生成数据的速率。	Integer	否	10000	默认值为10000条/秒。

使用示例

维表示例

CREATE TEMPORARY TABLE datagen_source (
  `character_id` INT,
  `location` STRING,
  `datagen_name` STRING,
  `user_fullname` ROW<first_name STRING, last_name STRING>,
  `user_data` ARRAY<STRING>,
  `user_score` Map<STRING, INT>,
  `user_books` MULTISET<STRING>,
  `proctime` AS PROCTIME()
) WITH (
  'connector' = 'faker',
  'fields.character_id.expression' = '#{number.numberBetween ''0'',''10000''}',
  'fields.location.expression' = '#{harry_potter.location}',
  'fields.datagen_name.expression' = '#{superhero.name}',
  'fields.user_fullname.first_name.expression' = '#{superhero.prefix}',
  'fields.user_fullname.last_name.expression' = '#{superhero.suffix}',
  'fields.user_data.expression' = '#{harry_potter.character}',
  'fields.user_data.length' = '2',
  'fields.user_score.key.expression' = '#{harry_potter.character}',
  'fields.user_score.value.expression' = '#{number.numberBetween ''10'',''100''}',
  'fields.user_score.length' = '2',
  'fields.user_books.expression' = '#{book.title}',
  'fields.user_books.length' = '2',
  'number-of-rows' = '5'
);

CREATE TEMPORARY TABLE faker_dim (
  `character_id` INT,
  `faker_name` STRING
) WITH (
  'connector' = 'faker',
  'fields.character_id.expression' = '#{number.numberBetween ''0'',''100''}',
  'fields.faker_name.expression' = '#{harry_potter.characters}'
);
    
SELECT
  l.character_id,
  l.location,
  l.datagen_name,
  l.user_fullname,
  l.user_data,
  l.user_score,
  l.user_books,
  c.faker_name
FROM datagen_source AS l
JOIN faker_dim FOR SYSTEM_TIME AS OF proctime AS c
ON l.character_id = c.character_id;

字段表达式

操作方法

使用模拟数据生成连接器时，DDL中定义的每个字段，都需要在WITH语句中提供具体的表达式。表达式的固定格式为'fields.<field>.expression' = '#{className.methodName ''parameter'', ...}'。相关的参数说明如下表所示。

参数	说明
field	表示DDL中具体的字段名。
className	表示Faker类的类名。 Java Faker提供了大约80个Faker类用于生成您需要的字段表达式，您可以根据需要选择对应的类。说明 Faker类的类名不区分大小写。
methodName	表示方法名。说明方法名不区分大小写。
parameter	表示方法的入参。说明方法的入参需要使用两个半角单引号（' ）括起来。多个参数使用半角逗号（,）进行分隔。

示例
本文结合Java Faker API文档和语法结构部分中的age字段表达式'fields.age.expression' = '#{number.numberBetween ''0'',''1000''}' 为例，为您介绍如何为DDL中的字段正确地生成SQL表达式。
1. 在Java Faker API文档中，找到Number类。
2. 在Number类中找到numberBetween方法，并查看其方法描述。
  numberBetween方法表示返回指定数字范围的值。
3. 根据类名Number和方法名numberBetween传入方法的参数0和1000，生成age字段的SQL表达式'fields.age.expression' = '#{number.numberBetween ''0'',''1000''}' 。
  表示生成的age字段的值在0到1000范围内。