Flink SQL语法：DIS输入流

功能描述

创建source流从数据接入服务（DIS）获取数据。用户数据从DIS接入，Flink作业从DIS的通道读取数据，作为作业的输入数据。Flink作业可通过DIS的source源将数据从生产者快速移出，进行持续处理，适用于将云服务外数据导入云服务后进行过滤、实时分析、监控报告和转储等场景。

数据接入服务（Data Ingestion Service，简称DIS）为处理或分析流数据的自定义应用程序构建数据流管道，主要解决云服务外的数据实时传输到云服务内的问题。数据接入服务每小时可从数十万种数据源（如IoT数据采集、日志和定位追踪事件、网站点击流、社交媒体源等）中连续捕获、传送和存储数TB数据。

语法格式

关键字

参数是否必选说明type是数据源类型，“dis”表示数据源为数据接入服务。region是数据所在的DIS区域。ak否访问密钥ID(Access Key ID)。访问密钥获取方式请参见我的凭证。sk否Secret Access Key，与访问密钥ID结合使用的密钥。访问密钥获取方式请参见我的凭证。channel是数据所在的DIS通道名称。partition_count否数据所在的DIS通道分区数。该参数和partition_range参数不能同时配置。当该参数没有配置的时候默认读取所有partition。partition_range否指定作业从DIS通道读取的分区范围。该参数和partition_count参数不能同时配置。当该参数没有配置的时候默认读取所有partition。partition_range = “[0:2]”时，表示读取的分区范围是1-3，包括分区1、分区2和分区3。encode是数据编码格式，可选为“csv”、“json”、“xml”、“email”、“blob”和“user_defined”。若编码格式为“csv”，则需配置“field_delimiter”属性。若编码格式为“json”，则需配置“json_config”属性。若编码格式为“xml”，则需配置“xml_config”属性。若编码格式为“email”，则需配置“email_key”属性。若编码格式为“blob”，表示不对接收的数据进行解析，流属性仅能有一个且数据格式为ARRAY[TINYINT]。若编码格式为“user_defined”，则需配置“encode_class_name”和“encode_class_parameter”属性。field_delimiter否属性分隔符，仅当编码格式为csv时该参数需要填写，例如配置为“,”。quote否可以指定数据格式中的引用符号，在两个引用符号之间的属性分隔符会被当做普通字符处理。当引用符号为双引号时，请设置quote = “\u005c\u0022″进行转义。当引用符号为单引号时，则设置quote = “”。说明：目前仅适用于CSV格式。设置引用符号后，必须保证每个字段中包含0个或者偶数个引用符号，否则会解析失败。json_config否当编码格式为json时，用户需要通过该参数来指定json字段和流定义字段的映射关系，格式为“field1=data_json.field1; field2=data_json.field2; field3=$”，其中field3=$表示field3的内容为整个json串。xml_config否当编码格式为xml时，用户需要通过该参数来指定xml字段和流定义字段的映射关系，格式为“field1=data_xml.field1; field2=data_xml.field2”。email_key否当编码格式为email时，用户需要通过该参数来指定需要提取的信息，需要列出信息的key值，需要与流定义字段一一对应，多个key值时以逗号分隔，例如“Message-ID, Date, Subject, body”，其中由于邮件正文没有关键字，DLI规定其关键字为“body”。encode_class_name否当encode为user_defined时，需配置该参数，指定用户自实现解码类的类名（包含完整包路径），该类需继承类DeserializationSchema。encode_class_parameter否当encode为user_defined时，可以通过配置该参数指定用户自实现解码类的入参，仅支持一个string类型的参数。offset否当启动作业后再获取数据，则该参数无效。当获取数据后再启动作业，用户可以根据需求设置该参数的数值。例如当offset= “100”时，则表示DLI从DIS服务中的第100条数据开始处理。start_time否DIS数据读取起始时间。当该参数配置时则从配置的时间开始读取数据，有效格式为yyyy-MM-dd HH:mm:ss。当没有配置start_time也没配置offset的时候，读取最新数据。当没有配置start_time但配置了offset的时候，则从offset开始读取数据。enable_checkpoint否是否启用checkpoint功能，可配置为true（启用）或者false（停用）， 默认为false。checkpoint_app_name否DIS服务的消费者标识，当不同作业消费相同通道时，需要区分不同的消费者标识，以免checkpoint混淆。checkpoint_interval否DIS源算子做checkpoint的时间间隔，单位秒，默认为60。

注意事项

在创建Source Stream时可以指定时间模型以便在后续计算中使用，当前DLI支持Processing Time和Event Time两种时间模型，具体使用语法可以参考配置时间模型。

示例

CSV编码格式：从DIS通道读取数据，记录为csv编码，并且以逗号为分隔符。

JSON编码格式：从DIS通道读取数据，记录为json编码。数据示例：{“car”:{“car_id”:”ZJA710XC”, “car_owner”:”coco”, “car_age”:5, “average_speed”:80, “total_miles”:15000, “car_timestamp”:1526438880}}。

XML编码格式：从DIS通道读取数据，记录为xml编码。

xml数据示例如下：

EMAIL编码格式：从DIS通道读取数据，每条记录为一封完整邮件。

email数据示例如下：