Flink SQL 获取执行一段时间后的最后一条结果

Flink SQL中可以使用TUMBLE窗口来实现时间窗口的计算，可以通过设置窗口大小和滑动步长来控制窗口的计算。如果要获取执行一段时间后的最后一条结果，可以通过设置窗口大小为这段时间，滑动步长为这段时间，然后使用最后一个窗口的计算结果即可。

例如，下面的代码展示了如何使用TUMBLE窗口来计算最近10秒钟内的数据，并获取执行10秒钟后的最后一条结果：

SELECT *
FROM table_name
WHERE TUMBLE_PROCTIME(rowtime, INTERVAL '10' SECOND) = 
  TUMBLE_END(rowtime, INTERVAL '10' SECOND)

这段代码中，我们使用TUMBLE_PROCTIME函数来定义一个10秒钟的时间窗口，并使用TUMBLE_END函数来获取窗口的结束时间。然后在WHERE子句中过滤出窗口结束时间为当前时间的数据，即为执行10秒钟后的最后一条结果。

相关问题

flink sql lead

### Flink SQL 中 `LEAD` 函数的用法

#### 定义与功能
`LEAD` 是一种窗口函数，在Flink SQL中用于访问当前行之后的一行或多行的数据。此函数特别适用于分析趋势、比较相邻记录或预测未来值的情况。

#### 语法结构
基本语法如下所示：

LEAD ( expression [, offset ] ) OVER (
    PARTITION BY partition_expression 
    ORDER BY sort_expression
)

- `expression`: 要计算的目标列。
- `offset`: 向前查找的行数，默认为1，即下一行[^1]。

#### 实际应用案例
假设有一个名为 `clicks` 的表，其中包含用户的点击行为数据，字段有时间戳 (`ts`) 和用户ID (`userId`) 。为了找出每位用户每次点击与其后续点击之间的时间间隔，可以构建如下的查询语句：

SELECT userId,
       ts AS current_click_time,
       LEAD(ts, 1) OVER(PARTITION BY userId ORDER BY ts) AS next_click_time,
       TIMESTAMPDIFF(SECOND, ts, LEAD(ts, 1) OVER(PARTITION BY userId ORDER BY ts)) AS diff_seconds
FROM clicks;

这段SQL会返回每条记录对应的下一个点击时间和两者间相差秒数。如果某次点击已经是该用户的最后一次，则 `next_click_time` 将为空值，相应的 `diff_seconds` 也会显示为NULL。

flink sql 常用配置

在Flink SQL中，常用的配置包括：regular join、Split Distinct优化方法、LocalGlobal优化、MiniBatch等。

regular join是Flink SQL中常用的连接操作，包括inner join、left join和right join。在regular join中，左右表的数据都会一直保存在状态里，不会清理。如果需要清理数据，可以设置TTL（Time-To-Live）或使用Flink SQL的interval join。

Split Distinct优化方法是一种优化方法，可以用于处理包含UDAF（User-Defined Aggregation Function）的Flink SQL语句。但目前在包含UDAF的Flink SQL中不能使用Split Distinct优化方法。

LocalGlobal优化是Flink SQL中的一种优化策略。该优化策略可以将聚合操作拆分为两个GROUP聚合操作，并参与LocalGlobal优化。这个功能在Flink 1.9.0版本及以上版本才支持。

MiniBatch是Flink SQL中的一种机制，可以将输入数据分批处理，以减少资源消耗。开启MiniBatch需要依赖于MiniBatch的参数设置。常用的MiniBatch参数包括：
- `table.exec.mini-batch.enabled`：是否开启MiniBatch，默认为false。
- `table.exec.mini-batch.allow-latency`：批量输出的间隔时间，用于控制数据处理的延迟。
- `table.exec.mini-batch.size`：每个批次最多缓存数据的条数，可以根据需求进行调整。

除了上述常用配置外，还可以根据具体需求设置其他参数，如聚合策略`table.optimizer.agg-phase-strategy`，用于控制聚合操作的执行策略。默认为AUTO，还支持TWO_PHASE（使用LocalGlobal两阶段聚合）和ONE_PHASE（仅使用Global一阶段聚合）两种策略。

示例代码中展示了如何设置这些参数：

// 初始化table environment
TableEnvironment tEnv = ...

// 获取tableEnv的配置对象
Configuration configuration = tEnv.getConfig().getConfiguration();

// 设置参数：
// 开启MiniBatch
configuration.setString("table.exec.mini-batch.enabled", "true");
// 批量输出的间隔时间
configuration.setString("table.exec.mini-batch.allow-latency", "5 s");
// 防止OOM，设置每个批次最多缓存数据的条数，可以设为2万条
configuration.setString("table.exec.mini-batch.size", "20000");
// 开启LocalGlobal
configuration.setString("table.optimizer.agg-phase-strategy", "TWO_PHASE");

综上所述，这些是Flink SQL中常用的配置。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [Flink 优化(六) --------- FlinkSQL 调优](https://blog.csdn.net/m0_51111980/article/details/130102786)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]