本文为您介绍如何开发、注册和使用Flink自定义标量函数(UDSF)。
定义
自定义标量函数(UDSF)将0个、1个或多个标量值映射到一个新的标量值。输入与输出是一对一的关系,即读入一行数据,写出一条输出值。详情参见User-defined Functions。
UDSF开发
Flink为您提供了UDF示例,便于您快速开发业务。Flink UDF示例中包含UDSF、UDAF和UDTF的实现,示例中已为您配置对应版本的开发环境,您无需进行环境搭建。
下载并解压ASI_UDX_Demo示例到本地。
说明ASI_UDX_Demo属于第三方搭建的网站,访问时可能会存在无法打开或访问延迟的问题。
解压完成后,会生成ASI_UDX-main文件夹。其中:
pom.xml:项目级别的配置文件,主要描述了项目的Maven坐标、依赖关系,开发者需要遵循的规则、缺陷管理系统,组织和Licenses,以及其他所有的项目相关因素。
\ASI_UDX-main\src\main\java\ASI_UDF\ASI_UDF.java:自定义标量函数(UDSF)示例的Java代码。
在IntelliJ IDEA中,单击,打开刚才解压缩完成的ASI_UDX-main。
双击打开\ASI_UDX-main\src\main\java\ASI_UDF后,根据您的业务,配置ASI_UDF.java。
该示例中,ASI_UDF.java已配置了获取每条数据中从begin~end位的字符的代码。
package ASI_UDF; import org.apache.flink.table.functions.ScalarFunction; public class ASI_UDF extends ScalarFunction { public String eval(String s, Integer begin, Integer end) { return s.substring(begin, end); } }双击打开\ASI_UDX-main\后,配置pom.xml。
该示例中,pom.xml文件已配置了Flink 1.11版依赖的主要JAR包信息。如果您的业务:
不依赖其他JAR包:不用配置pom.xml文件,继续下一步。
依赖其他JAR包:在pom.xml文件中添加您所需依赖的JAR包信息。
Flink 1.11版依赖的主要JAR包如下。
<dependencies> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-streaming-java_2.12</artifactId> <version>1.11.0</version> <!--<scope>provided</scope>--> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-table</artifactId> <version>1.11.0</version> <type>pom</type> <!--<scope>provided</scope>--> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-core</artifactId> <version>1.11.0</version> </dependency> <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-table-common</artifactId> <version>1.11.0</version> </dependency> </dependencies>在下载文件中pom.xml所在的目录执行如下命令打包文件。
mvn package -Dcheckstyle.skip\ASI_UDX-main\target\目录下会出现ASI_UDX-1.0-SNAPSHOT.jar的JAR包,即代表完成了UDSF开发工作。
自定义异步标量函数(AsyncScalarFunction)
不同于普通标量函数,自定义异步标量函数需要继承 AsyncScalarFunction,并通过 CompletableFuture 返回结果。
函数需要查询外部数据库、调用 HTTP 接口等存在 I/O 等待的操作时,可以使用异步标量函数并发处理多条记录,减少等待对作业吞吐的影响。字符串截取、数值计算等无需等待外部服务的操作,通常使用同步标量函数即可。
配置参数
通过以下参数控制异步标量函数的运行行为。参数应在提交查询或生成执行计划前设置。
参数 | 默认值 | 说明 |
table.exec.async-scalar.max-concurrent-operations | 10 | 每个异步算子实例允许的最大并发异步操作数。增大该值会增加对外部服务的并发访问压力。 |
table.exec.async-scalar.timeout | 3 min | 单条记录异步处理的超时时间,包含重试耗时。 |
table.exec.async-scalar.retry-strategy | FIXED_DELAY | FIXED_DELAY 表示失败后按固定间隔重试;NO_RETRY 表示不重试。 |
table.exec.async-scalar.retry-delay | 100 ms | 固定间隔重试的等待时间,仅在重试策略为 FIXED_DELAY 时生效。 |
table.exec.async-scalar.max-attempts | 3 | 最大重试次数,仅在重试策略为 FIXED_DELAY 时生效。 |
table.exec.async-scalar.output-mode | ORDERED | ORDERED 表示保持输入顺序;ALLOW_UNORDERED 表示在输入为纯追加流时允许无序输出。VVR 11.8.0 正式版及后续版本支持。 |
配置无序输出
默认情况下,异步函数虽然可以并发执行,但后续记录已完成的结果仍需等待前面的记录完成后再输出。当外部请求耗时差异较大,且业务允许结果乱序时,可以开启无序输出,减少慢请求造成的等待。
异步调用和无序输出是两个独立的概念。异步标量函数默认并发调用、按输入顺序输出;配置为允许无序输出后,系统会根据输入数据的变更类型决定是否启用无序输出。
在执行查询前增加以下配置:
SET 'table.exec.async-scalar.output-mode' = 'ALLOW_UNORDERED';自定义异步标量函数示例
以下示例通过商品服务的 HTTP 接口查询商品名称。函数在 open 中创建并复用一个 HttpClient,在 eval 中调用 sendAsync() 发起请求,通过完成回调返回结果。sendAsync() 返回 CompletableFuture,适合将 HTTP 调用与异步标量函数衔接,详情请参见 JDK HttpClient 文档。
示例使用 3 秒连接超时、5 秒请求超时,适用于响应体较小的商品名称查询。请根据实际接口的响应时间调整。
package com.example.udf;
import org.apache.flink.table.functions.AsyncScalarFunction;
import org.apache.flink.table.functions.FunctionContext;
import java.io.IOException;
import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.nio.charset.StandardCharsets;
import java.time.Duration;
import java.util.concurrent.CompletableFuture;
import java.util.concurrent.CompletionException;
/**
* 通过异步 HTTP 接口查询商品名称。
*
* <p>接口约定:200 返回 UTF-8 商品名称,404 表示商品不存在。
* 本示例适用于返回短文本的只读查询;其他状态码作为调用失败交给引擎处理。
*/
public class AsyncProductName extends AsyncScalarFunction {
private transient HttpClient client;
private transient URI serviceBaseUri;
@Override
public void open(FunctionContext context) {
String baseUrl = context.getJobParameter("product.service.base-url", null);
if (baseUrl == null || baseUrl.isBlank()) {
throw new IllegalArgumentException("请配置 product.service.base-url");
}
serviceBaseUri = URI.create(baseUrl);
if (!("https".equalsIgnoreCase(serviceBaseUri.getScheme())
|| "http".equalsIgnoreCase(serviceBaseUri.getScheme()))
|| serviceBaseUri.getHost() == null
|| serviceBaseUri.getRawQuery() != null
|| serviceBaseUri.getRawFragment() != null
|| !baseUrl.endsWith("/")) {
throw new IllegalArgumentException("服务地址须为以 / 结尾的 HTTP(S) 基础地址");
}
client = HttpClient.newBuilder().connectTimeout(Duration.ofSeconds(3)).build();
}
@Override
public boolean isDeterministic() {
// 商品信息可能变化,相同 ID 在不同时间查询可能得到不同结果。
return false;
}
public void eval(CompletableFuture<String> result, Long productId) {
if (productId == null) {
result.complete(null);
return;
}
try {
HttpRequest request =
HttpRequest.newBuilder(
serviceBaseUri.resolve("products/" + productId + "/name"))
.timeout(Duration.ofSeconds(5))
.header("Accept", "text/plain")
.GET()
.build();
client.sendAsync(request, HttpResponse.BodyHandlers.ofString(StandardCharsets.UTF_8))
.thenApply(
response -> {
if (response.statusCode() == 200) {
return response.body();
}
if (response.statusCode() == 404) {
return null;
}
throw new CompletionException(
new IOException(
"商品查询失败,HTTP 状态码:" + response.statusCode()));
})
.whenComplete(
(name, error) -> {
if (error != null) {
result.completeExceptionally(error);
} else {
result.complete(name);
}
});
} catch (RuntimeException e) {
result.completeExceptionally(e);
}
}
}开发时请注意:
调用 result.complete(value) 返回结果;需要返回 SQL NULL 时,调用 result.complete(null)。
调用失败时,通过 result.completeExceptionally(exception) 返回异常,交由引擎按重试策略处理。
eval 在发起请求后直接返回。使用 sendAsync() 的完成回调传递结果,避免在 eval 或回调中调用阻塞式 send()、get()、join(),或执行耗时计算。
每个函数实例在 open 中初始化并复用客户端,避免每条记录创建客户端。JDK 11/17 的 HttpClient 没有公开的 close() 方法,其内部资源由 JDK 管理。使用提供关闭接口的其他异步客户端时,应在函数的 close 中释放客户端。
商品信息会随时间变化,因此示例将 isDeterministic() 设置为 false。涉及更新流时,还需结合查询语义处理非确定性结果。
UDSF注册
UDSF注册过程,请参见管理自定义函数(UDF)。
UDSF使用
在注册UDSF完成后,您就可以使用UDSF,详细的操作步骤如下。
Flink SQL作业开发。详情请参见作业开发地图。
获取ASI_UDSF_Source表中a字段中每行字符串中第2~4位的字符,代码示例如下。
CREATE TEMPORARY TABLE ASI_UDSF_Source ( a VARCHAR, b INT, c INT ) WITH ( 'connector' = 'datagen' ); CREATE TEMPORARY TABLE ASI_UDSF_Sink ( a VARCHAR ) WITH ( 'connector' = 'blackhole' ); INSERT INTO ASI_UDSF_Sink SELECT ASI_UDSF(a,2,4) FROM ASI_UDSF_Source;在页面,单击目标作业名称操作列的启动。
启动成功后,ASI_UDSF_Sink表每行会被插入ASI_UDSF_Source表中a字段每行字符串的第2~4位字符。