内容简要：一、实时计算Flink版SQL简介二、实时计算Flink版SQL上手示例三、开发常见问题和解法
实时计算Flink版SQL简介（一）关于实时计算Flink版SQL
实时计算Flink版选择了SQL这种声明式语言作为顶层API，比较稳定，也方便用户使用。FlinkSQL具备流批统一的特性，给用户统一的开发体验，并且语义一致。另外，FlinkSQL能够自动优化，包括屏蔽流计算里面Stat的复杂性，也提供了自动优化的Plan，并且还集成了AutoPilot自动调优的功能。FlinkSQL的应用场景也比较广泛，包括数据集成、实时报表、实时风控，还有在线机器学习等场景。
（二）基本操作
在基本操作上，可以看到SQL的语法和标准SQL非常类似。示例中包括了基本的SELECT、FILTER操作。，可以使用内置函数，如日期的格式化，也可以使用自定义函数，比如示例中的汇率转换就是一个用户自定义函数，在平台上注册后就可以直接使用。
（三）维表LookupJoin
在实际的数据处理过程中，维表的LookupJoin也是一个比较常见的例子。
这里展示的是一个维表INNERJOIN示例。
例子中显示的SOURCE表是一个实时变化的订单信息表，它通过INNERJOIN去关联维表信息，这里标黄高亮的就是维表JOIN的语法，可以看到它和传统的批处理有一个写法上的差异，多了FORSYSTEM_TIMEASOF这个子句来标明它是一个维表JOIN的操作。SOURCE表每来一条订单消息，它都会触发维表算子，去做一次对维表信息的查询，所以把它叫做一个LookupJoin。
（四）WindowAggrgation
WindowAggrgation（窗口聚合）操作也是常见的操作，FlinkSQL中内置支持了几种常用的Window类型，比如TumblWindow，SssionWindow，HopWindow，还有新引入的CumulatWindow。
Tumbl
TumblWindow可以理解成固定大小的时间窗口，也叫滚窗，比如说5分钟、10分钟或者1个小时的固定间隔的窗口，窗口之间没有重叠。
Sssion
SssionWindow（会话窗口）定义了一个连续事件的范围，窗口定义中的一个参数叫做SssionGap，表示两条数据的间隔如果超过定义的时长，那么前一个Window就结束了，同时生成了一个新的窗口。
Hop
HopWindow不同于滚动窗口的窗口不重叠，滑动窗口的窗口之间可以重叠。滑动窗口有两个参数：siz和slid。siz为窗口的大小，slid为每次滑动的步长。如果slidsiz，则窗口会重叠，同一条数据可能会被分配到多个窗口；如果slid=siz，则等同于TumblWindow。如果slidsiz，窗口之间没有重叠且有间隙。
Cumulat
CumulatWindow（累积窗口），是Flink社区1.13版本里新引入的，可以对比HopWindow来理解，区别是从WindowStart开始不断去累积。示例中Window1、Window2、Window3是在不断地增长的。它有一个最大的窗口长度，比如我们定义WindowSiz是一天，然后Stp步长是1个小时，那么它会在一天中的每个小时产生累积到当前小时的聚合结果。
看一个具体的Window聚合处理示例。
如上图所示，比如说需要进行每5分钟单个用户的点击数统计。
源数据是用户的点击日志，我们期望算出每5分钟单个用户的点击总数，SQL中使用的是社区最新的WindowTVF语法，先对源表开窗，再GROUPBY窗口对应的属性window_start和window_nd，COUNT(*)就是点击数统计。
可以看到，当处理12:00到12:04的数据，有2个用户产生了4次点击，分别能统计出来用户Mary是3次，Bob是1次。在接下来一批数据里面，又来了3条数据，对应地更新到下一个窗口中，分别是1次和2次。
（五）GroupAggrgation
相对于WindowAggrgation来说，GroupAggrgation直接触发计算，并不需要等到窗口结束，适用的一个场景是计算累积值。
上图的例子是单个用户累积到当前的点击数统计。从Qury上看，写法相对简单一点，直接GROUPBYusr去计算COUNT(*)，就是累积计数。
可以看到，在结果上和Window的输出是有差异的，在与Window相同的前4条输入数据，GroupAggrgation输出的结果是Mary的点击数已更新到3次，具体的计算过程可能是从1变成2再变成3，Bob是1次，随着后面3条数据的输入，Bob对应的点击数又会更新成2次，对结果是持续更新的过程，这和Window的计算场景是有一些区别的。
之前Window窗口里面输出的数据，在窗口结束后结果就不会再改变，而在GroupAggrgation里，同一个GroupKy的结果是会产生持续更新的。
（六）WindowAggrgationVsGroupAggrgation
更全面地对比一下Window和GroupAggrgation的一些区别。
WindowAggrgation在输出模式上是按时输出，是在定义的数据到期之后它才会输出。比如定义5分钟的窗口，结果是延迟输出的，比如00:00~00:05这个时间段，它会等整个窗口数据都到齐之后，才完整输出出来，并且结果只输出一次，不会再改变。
GroupAggrgation是数据触发，比如第一条数据来它就会输出结果，同一个Ky的第二条数据来结果会更新，所以在输出流的性质上两者也是不一样的。WindowAggrgation一般情况下输出的是AppndStram，而在GroupAggrgation输出的是UpdatStram。
在状态Stat处理上两者的差异也比较大。WindowAggrgation会自动清理过期数据，用户就不需要额外再去