flink sql——(1)相关说明

实时数据开发对非开发人员实在太过艰难，编程语言和众多窗口、状态、水位线、分布式概念都需要去掌握，显然是不太可能的。而SQL语言相对标准又不需要对底层有太多了解，还有基于规则的优化，大大降低了开发难度。

flink-sql就是目前使用范围最广的实时数据开发框架flink的所封装的高级API，如果能掌握使用一定有利于更好的开发。

但是flink-sql正在处于版本变更快速、使用方法不稳定等诸多问题，尚未成为主流用法。

所以想写一个系列试图基于目前1.14.0甚至更新的版本关于flink-sql尽可能完善的用法。

flink sql 通过Apache Calcite实现了了标准的sql，sql的执行流程大致如下：
1.Sql Parser：将SQL语句通过java cc解析成AST(语法树)，在Calcite中用SqlNode表 示AST;
2.Sql Validator：结合Catalog去验证SQL语法；
3.生成Logical Plan：将sqlNode表示的AST转换成LogicalPlan, 用relNode表示;
4.生成Optimized LogicalPlan：基于Calcite rules优化Logical Plan，再基于Flink定
制的一些优化rules优化Logical Plan；
5.生成Flink PhysicalPlan：基于Flink里头的rules，将Optimized LogicalPlan转成成
Flink的物理执行计划；
6.通过代码生成技术（CodeGen ）生成transformation后进一步编译为可执行的
JobGraph提交运行。
以上以后再详细去聊，因为对于普通sql的使用人员来说并不太需要了解多详细。

后续需要写代码的部分，基本会使用scala去写，简洁的代码会比java更方便阅读。同时虽然sql 和Table API集成在同一套API下，但是后面也会尽量使用sql的方式去完成。