1.table api特點：
使得多宣告的資料處理起來更為容易，擴充套件標準sql更為容易
如何得到乙個表：
1.自己寫table的描述資訊
2.通過自定義tablesouce註冊到env中
3.datastream也可以通過註冊得到乙個表
如何輸出乙個table：
和輸入的三種方式是一致的
如何查詢乙個表：
對列上的一些操作：
addcolumns新增，addorreplacecolumns新增並且覆蓋，renamecolumns重新命名，dropcolumns刪除
withcolumns選擇指定的列，withoutcolumns反選指定的列
cloumns使用的語法：
可以是欄位名，下標，預設下標是從1開始計算的
row-based operation：
map-operation的好處：
比如需要對這個表中的每一列都做一些udf的操作，比如if，cocat這種，
你就需要對每列都寫乙個udf，但是如果在table上使用map運算元就會非常方便
輸入一行-輸出多行
輸入多行-輸出一行
輸入多行-輸出多行：topn
時間語義需要配合視窗操作才能發揮作用
根據時間或行資料，把資料聚合到組中。
滾動視窗：tumbling windows
可以通過時間開窗，也可以通過行數開窗，之所以行數也要時間字段是因為需要對資料進行排序來取。
滑動視窗：sliding windows
會話視窗：session window
針對每個輸入行，計算附近行範圍的聚合。
無界視窗：over windows
有界over windows：
目前flink只支援preceding 到current row，因為如果要支援following需要等待。
總結：
Flink 基礎入門
作為致力於提供 stateful computations over data streams 的 下一代大資料處理引擎 flink 在流式計算領域帶來了諸多全新特性。本場 chat，我們將從 0 開始，幫助讀者入門 flink，主要內容包括 流式計算的目標與傳統架構 flink 基礎結構 flin...
Flink基礎理論
一 分布式大資料處理引擎apache flink 1 可以對有限資料流和無限資料流進行有狀態計算 詳細解釋見下圖 apache flink是一種統一的大資料分析和流計算 批計算及機器學習引擎。2 無界流和有界流 任何型別的資料都是作為事件流產生的，資料可以作為無界或有界流處理。1 無界流有乙個開始但...
flink學習 flink架構
flink結構 graph 2個併發度 source為1個併發度 的sockettextstreamwordcount四層執行圖的演變過程 jobgraph streamgraph經過優化後生成了 jobgraph，提交給 jobmanager 的資料結構。executiongraph jobman...