作者：徐榜江（雪盡）
本文為 Flink SQL 系列文章的第二篇，前面對 Flink 1.9 Table 新架構及 Planner 的使用進行了詳細說明，本文詳細講解 5 個 TableEnvironment 及其适用場景，并介紹 Flink 社群對 TableEnvironment 的未來規劃。主要内容如下：
- TableEnvironment 簡介
- 5 個 TableEnvironment 梳理
- 如何使用 TableEnvironment
- 社群未來規劃
1. TableEnvironment 簡介
TableEnvironment 是用來建立 Table & SQL 程式的上下文執行環境 ，也是 Table & SQL 程式的入口，Table & SQL 程式的所有功能都是圍繞 TableEnvironment 這個核心類展開的。TableEnvironment 的主要職能包括：對接外部系統，表及中繼資料的注冊和檢索，執行SQL語句，提供更詳細的配置選項。
在 Flink 1.8 中，一共有 7 個 TableEnvironment ，在最新的 Flink 1.9 中，社群進行了重構和優化，隻保留了 5 個TableEnvironment 。本文詳細講解 5 個 TableEnvironment 及其适用場景，并介紹 Flink 社群對 TableEnvironment 的未來規劃。
2. 5 個 TableEnvironment 梳理
Flink 1.9 中保留了 5 個 TableEnvironment，在實作上是 5 個面向使用者的接口，在接口底層進行了不同的實作。5 個接口包括一個 TableEnvironment 接口，兩個 BatchTableEnvironment 接口，兩個 StreamTableEnvironment 接口，5 個接口檔案完整路徑如下：
- org/apache/flink/table/api/TableEnvironment.java
- org/apache/flink/table/api/java/BatchTableEnvironment.java
- org/apache/flink/table/api/scala/BatchTableEnvironment.scala
- org/apache/flink/table/api/java/StreamTableEnvironment.java
- org/apache/flink/table/api/scala/StreamTableEnvironment.scala
結合檔案的路徑，梳理這 5 個接口，我們會發現 TableEnvironment 是頂級接口，是所有 TableEnvironment 的基類 ，BatchTableEnvironment 和 StreamTableEnvironment 都提供了 Java 實作和 Scala 實作 ，分别有兩個接口。
5 個 TableEnvironment
其中，TableEnvironment 作為統一的接口，其統一性展現在兩個方面，一是對于所有基于JVM的語言(即 Scala API 和 Java API 之間沒有差別)是統一的；二是對于 unbounded data （無界資料，即流資料） 和 bounded data （有界資料，即批資料）的處理是統一的。TableEnvironment 提供的是一個純 Table 生态的上下文環境，适用于整個作業都使用 Table API & SQL 編寫程式的場景。TableEnvironment 目前還不支援注冊 UDTF 和 UDAF，使用者有注冊 UDTF 和 UDAF 的需求時，可以選擇使用其他 TableEnvironment。
兩個 StreamTableEnvironment 分别用于 Java 的流計算和 Scala 的流計算場景，流計算的對象分别是 Java 的 DataStream 和 Scala 的 DataStream。相比 TableEnvironment，StreamTableEnvironment 提供了 DataStream 和 Table 之間互相轉換的接口，如果使用者的程式除了使用 Table API & SQL 編寫外，還需要使用到 DataStream API，則需要使用 StreamTableEnvironment。
兩個 BatchTableEnvironment 分别用于 Java 的批處理場景和 Scala 的批處理場景，批處理的對象分别是 Java 的 DataSet 和 Scala 的 DataSet。相比 TableEnvironment，BatchTableEnvironment 提供了 DataSet 和 Table 之間互相轉換的接口，如果使用者的程式除了使用 Table API & SQL 編寫外，還需要使用到 DataSet API，則需要使用 BatchTableEnvironment。
從這五個 TableEnvironment 支援的作業類型 ( Stream 作業和 Batch 作業)，支援的 API 類型（DataStream API 和 DataSet API)，以及對 UDTF/UDAF 的支援這 5 個方面進行對比，各個TableEnvironment 支援的功能可以歸納如下：
TableEnvironment 支援功能對比
可能大家會疑惑為什麼在 API 需要區分 Java 和 Scala 的兩個 StreamTableEnvironment（或BatchTableEnvironment ），使用的 DataStream也分為 Java DataStream 和 Scala DataStream。
原因主要是 TableEnvironment 的 registerTableFunction方法（用于注冊UDTF） 和 registerAggregateFunction 方法（使用者注冊UDAF） 需要抽取泛型，而現有的 Java 泛型抽取和 Scala 的泛型抽取機制是不一樣的，Java 的抽取是通過反射機制 實作，而 Scala 是通過 Scala macro 實作。此外，由于抽取泛型機制的不一緻，作為統一入口的 TableEnvironment 現階段也不支援注冊 UDTF 和 UDAF。針對這個問題，社群已經在計劃引入一套新的類型抽取機制來統一 Java 和 Scala 的類型抽取，實作 Java API 和 Scala API 的統一。
5 個 TableEnvironment 具體實作
結合 Flink planner 和 Blink planner， 進一步梳理 TableEnvironment 的組織關系，我們可以注意到一些有趣的細節：
- 實作流批統一的 Blink planner 中由于沒有了 DataSet 的概念，已經不再使用 BatchTableEnvironment，隻會使用 TableEnvironment 和 StreamTableEnvironment，而 Flink planner（即 Old planner） 則支援 5 個 TableEnvironment。
- BatchTableEnvironment 的實作都放到了 Old planner (flink-table-palnner子產品) 中，這個子產品在社群的未來規劃中是會被逐漸删除的。
3. 如何使用 TableEnvironment
根據使用者使用的 planner 和作業的類型，可以把各個 TableEnvironment 的應用場景分為 4 類,下面結合代碼來說明在不同的場景下如何使用 TableEnvironment 。
場景一：
使用者使用 Old planner，進行流計算的 Table 程式（使用 Table API 或 SQL 進行開發的程式 ）的開發。這種場景下，使用者可以使用 StreamTableEnvironment 或 TableEnvironment ，兩者的差別是 StreamTableEnvironment 額外提供了與 DataStream API 互動的接口。示例代碼如下：
// **********************
// FLINK STREAMING QUERY USING JAVA
// **********************
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.EnvironmentSettings;
import org.apache.flink.table.api.java.StreamTableEnvironment;
EnvironmentSettings fsSettings = EnvironmentSettings.newInstance().useOldPlanner().inStreamingMode().build();
StreamExecutionEnvironment fsEnv = StreamExecutionEnvironment.getExecutionEnvironment();
StreamTableEnvironment fsTableEnv = StreamTableEnvironment.create(fsEnv, fsSettings);
// or TableEnvironment fsTableEnv = TableEnvironment.create(fsSettings);
// **********************
// FLINK STREAMING QUERY USING SCALA
// **********************
import org.apache.flink.streaming.api.scala.StreamExecutionEnvironment
import org.apache.flink.table.api.EnvironmentSettings
import org.apache.flink.table.api.scala.StreamTableEnvironment
val fsSettings = EnvironmentSettings.newInstance().useOldPlanner().inStreamingMode().build()
val fsEnv = StreamExecutionEnvironment.getExecutionEnvironment
val fsTableEnv = StreamTableEnvironment.create(fsEnv, fsSettings)
// or val fsTableEnv = TableEnvironment.create(fsSettings) 場景二：
使用者使用 Old planner，進行批處理的 Table 程式的開發。這種場景下，使用者隻能使用 BatchTableEnvironment ，因為在使用 Old planner 時，批處理程式操作的資料是 DataSet，隻有 BatchTableEnvironment 提供了面向DataSet 的接口實作。示例代碼如下：
// ******************
// FLINK BATCH QUERY USING JAVA
// ******************
import org.apache.flink.api.java.ExecutionEnvironment;
import org.apache.flink.table.api.java.BatchTableEnvironment;
ExecutionEnvironment fbEnv = ExecutionEnvironment.getExecutionEnvironment();
BatchTableEnvironment fbTableEnv = BatchTableEnvironment.create(fbEnv);
// ******************
// FLINK BATCH QUERY USING SCALA
// ******************
import org.apache.flink.api.scala.ExecutionEnvironment
import org.apache.flink.table.api.scala.BatchTableEnvironment
val fbEnv = ExecutionEnvironment.getExecutionEnvironment
val fbTableEnv = BatchTableEnvironment.create(fbEnv) 場景三：
使用者使用 Blink planner，進行流計算的 Table 程式的開發。這種場景下，使用者可以使用 StreamTableEnvironment 或 TableEnvironment ，兩者的差別是 StreamTableEnvironment 額外提供與 DataStream API 互動的接口。使用者在 EnvironmentSettings 中聲明使用 Blink planner ，将執行模式設定為 StreamingMode 即可。示例代碼如下：
// **********************
// BLINK STREAMING QUERY USING JAVA
// **********************
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.EnvironmentSettings;
import org.apache.flink.table.api.java.StreamTableEnvironment;
StreamExecutionEnvironment bsEnv = StreamExecutionEnvironment.getExecutionEnvironment();
EnvironmentSettings bsSettings = EnvironmentSettings.newInstance().useBlinkPlanner().inStreamingMode().build();
StreamTableEnvironment bsTableEnv = StreamTableEnvironment.create(bsEnv, bsSettings);
// or TableEnvironment bsTableEnv = TableEnvironment.create(bsSettings);
// **********************
// BLINK STREAMING QUERY USING SCALA
// **********************
import org.apache.flink.streaming.api.scala.StreamExecutionEnvironment
import org.apache.flink.table.api.EnvironmentSettings
import org.apache.flink.table.api.scala.StreamTableEnvironment
val bsEnv = StreamExecutionEnvironment.getExecutionEnvironment
val bsSettings = EnvironmentSettings.newInstance().useBlinkPlanner().inStreamingMode().build()
val bsTableEnv = StreamTableEnvironment.create(bsEnv, bsSettings)
// or val bsTableEnv = TableEnvironment.create(bsSettings) 場景四：
使用者使用 Blink planner，進行批處理的 Table 程式的開發。這種場景下，使用者隻能使用 TableEnvironment ，因為在使用 Blink planner 時，批處理程式操作的資料已經是 bounded DataStream，是以不能使用 BatchTableEnvironment 。使用者在 EnvironmentSettings 中聲明使用 Blink planner ，将執行模式設定為 BatchMode 即可。值得注意的是，TableEnvironment 接口的具體實作中已經支援了 StreamingMode 和 BatchMode 兩種模式，而 StreamTableEnvironment 接口的具體實作中目前暫不支援 BatchMode 的配置，是以這種場景不能使用 StreamTableEnvironment。示例代碼如下：
// ******************
// BLINK BATCH QUERY USING JAVA
// ******************
import org.apache.flink.table.api.EnvironmentSettings;
import org.apache.flink.table.api.TableEnvironment;
EnvironmentSettings bbSettings = EnvironmentSettings.newInstance().useBlinkPlanner().inBatchMode().build();
TableEnvironment bbTableEnv = TableEnvironment.create(bbSettings);
// ******************
// BLINK BATCH QUERY USING SCALA
// ******************
import org.apache.flink.table.api.{EnvironmentSettings, TableEnvironment}
val bbSettings = EnvironmentSettings.newInstance().useBlinkPlanner().inBatchMode().build()
val bbTableEnv = TableEnvironment.create(bbSettings) 4. 社群未來規劃
目前，社群正在推進 DataStream 的批處理能力，以實作流批技術棧的統一，屆時 DataSet API 會退出曆史的舞台，兩個 BatchTableEnvironment 也将退出曆史的舞台。同時社群也在努力推動 Java 和 Scala TableEnvironment 的統一。可以預見的是，Flink TableEnvironment 的未來架構會更加簡潔。TableEnvironment 會是 Flink 推薦使用的入口類，同時能支援 Java API 和 Scala API，還能同時支援流計算作業和批處理作業。隻有當需要與 DataStream 做轉換時，才需要用到 StreamTableEnvironment。
▼ Apache Flink 社群推薦 ▼
Apache Flink 及大資料領域頂級盛會 Flink Forward Asia 2019 重磅開啟，大會議程精彩上線，了解 Flink Forward Asia 2019 的更多資訊，請檢視：
https://developer.aliyun.com/special/ffa2019首屆 Apache Flink 極客挑戰賽重磅開啟，聚焦機器學習與性能優化兩大熱門領域，40萬獎金等你拿，加入挑戰請點選：
https://tianchi.aliyun.com/markets/tianchi/flink2019