"Flink SQL UDF不应有状态" 这个技术细节可能有些朋友已经知道了。但是为什么不应该有状态呢？这个恐怕大家就不甚清楚了。本文就带你一起从这个问题点入手，看看Flink SQL究竟是怎么处理UDF，怎么生成对应的SQL代码。
从"UDF不应有状态" 切入来剖析Flink SQL代码生成
目录
- 从"UDF不应有状态" 切入来剖析Flink SQL代码生成
0x00 摘要
"Flink SQL UDF不应有状态" 这个技术细节可能有些朋友已经知道了。但是为什么不应该有状态呢？这个恐怕大家就不甚清楚了。本文就带你一起从这个问题点入手，看看Flink SQL究竟是怎么处理UDF，怎么生成对应的SQL代码。
0x01 概述结论
先说结论，后续一步步给大家详述问题过程。
1. 问题结论
结论是：Flink内部针对UDF生成了java代码，但是这些java代码针对SQL做了优化，导致在某种情况下，可能 会对 "在SQL中本应只调用一次" 的UDF 重复调用。
- 我们在写SQL时候，经常会在SQL中只写一次UDF，我们认为运行时候也应该只调用一次UDF。
- 对于SQL，Flink是内部解析处理之后，把SQL语句转化为Flink原生算子来处理。大家可以认为是把SQL翻译成了java代码再执行，这些代码针对 SQL做了优化。
- 对于UDF，Flink也是内部生成java代码来处理，这些代码也针对SQL做了优化。
- 在Flink内部生成的这些代码中，Flink会在某些特定情况下，对 "在SQL中本应只调用一次" 的UDF 重复调用。
- Flink生成的内部代码，是把"投影运算"和"过滤条件"分别生成，然后拼接在一起。优化后的"投影运算"和"过滤条件"分别调用了UDF，所以拼接之后就会有多个UDF调用。
- 因为实际上编写时候的一次UDF，优化后可能调用了多次，所以UDF内部就不应该有状态信息。
比如：
1. myFrequency 这个字段是由 UDF_FRENQUENCY 这个UDF函数 在本步骤生成。 "SELECT word, UDF_FRENQUENCY(frequency) as myFrequency FROM TableWordCount" 2. 按说下面SQL语句就应该直接取出 myFrequency 即可。因为 myFrequency 已经存在了。 "SELECT word, myFrequency FROM TableFrequency WHERE myFrequency <> 0" 但是因为Flink做了一些优化，把 第一个SQL中 UDF_FRENQUENCY 的计算下推到了 第二个SQL。 3. 优化后实际就变成了类似这样的SQL。 "SELECT word, UDF_FRENQUENCY(frequency) FROM tableFrequency WHERE UDF_FRENQUENCY(frequency) <> 0" 4. 所以UDF_FRENQUENCY就被执行了两次：在WHERE中执行了一次，在SELECT中又执行了一次。
Flink针对UDF所生成的Java代码 简化转义 版如下，能看出来调用了两次：
// 原始 SQL "SELECT word, myFrequency FROM TableFrequency WHERE myFrequency <> 0"
java.lang.Long result$12 = UDF_FRENQUENCY(frequency); // 这次 UDF 调用对应 WHERE myFrequency <> 0
if (result$12 != 0) { // 这里说明 myFrequency <> 0，于是可以进行 SELECT
// 这里对应的是 SELECT myFrequency，注意的是，按我们一般的逻辑，应该直接复用result$12，但是这里又调用了 UDF，重新计算了一遍。所以 UDF 才不应该有状态信息。
java.lang.Long result$9 = UDF_FRENQUENCY(frequency);
long select;
if (result$9 == null) {
select = -1L;
}
else {
select = result$9; // 这里最终 SELECT 了 myFrequency
}
}
2. 问题流程
实际上就是Flink生成SQL代码的流程，其中涉及到几个重要的节点举例如下：
关于具体SQL流程，请参见我之前的文章：[源码分析] 带你梳理 Flink SQL / Table API内部执行流程
// NOTE : 执行顺序是从上至下, " -----> " 表示生成的实例类型 * * +-----> "SELECT xxxxx WHERE UDF_FRENQUENCY(frequency) <> 0" (SQL statement) * | * | * +-----> LogicalFilter (RelNode) // Abstract Syntax Tree，未优化的RelNode * | * | * FilterToCalcRule (RelOptRule) // Calcite优化rule * | * | * +-----> LogicalCalc (RelNode) // Optimized Logical Plan，逻辑执行计划 * | * | * DataSetCalcRule (RelOptRule) // Flink定制的优化rule，转化为物理执行计划 * | * | * +-----> DataSetCalc (FlinkRelNode) // Physical RelNode，物理执行计划 * | * | * DataSetCalc.translateToPlanInternal // 作用是生成Flink算子 * | * | * +-----> FlatMapRunner (Operator) // In Flink Task * | * |
这里的几个关键点是：
- "WHERE UDF_FRENQUENCY(frequency) <> 0" 这部分SQL对应Calcite的逻辑算子是 LogicalFilter。
- LogicalFilter被转换为LogicalCalc，经过思考我们可以知道，Filter的Condition条件是需要进行计算才能获得的，所以需要转换为Calc。
- DataSetCalc中会生成UDF JAVA代码，这个java类是：DataSetCalcRule extends RichFlatMapFunction。这点很有意思，Flink认为UDF是一个Flatmap操作。
- 为什么UDF是一个Flatmap操作。因为UDF的输入实际是一个数据库记录Record，这很像集合；输出的是数目不等的几部分。这恰恰是Flatmap的思想所在。
关于FlatMap，请参见我之前的文章：[源码分析] 从FlatMap用法到Flink的内部实现
我们后文中主要就是排查SQL生成流程中哪里出现了这个"UDF多次调用的问题点"。
0x02 实例代码
以下是我们的示例程序，后续就讲解这个程序的生成代码。
1. UDF函数
import org.apache.flink.table.functions.ScalarFunction;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
public class myUdf extends ScalarFunction {
private Long current = 0L;
private static final Logger LOGGER = LoggerFactory.getLogger(myUdf.class);
public Long eval(Long a) throws Exception {
if(current == 0L) {
current = a;
} else {
current += 1;
}
LOGGER.error("The current is : " + current );
return current;
}
}
2. 测试代码
import org.apache.flink.api.scala._
import org.apache.flink.table.api.scala._
object TestUdf {
def main(args: Array[String]): Unit = {
// set up execution environment
val env = ExecutionEnvironment.getExecutionEnvironment
val tEnv = BatchTableEnvironment.create(env)
val input = env.fromElements(WC("hello", 1), WC("hello", 1), WC("ciao", 1))
tEnv.registerFunction("UDF_FRENQUENCY", new myUdf())
// register the DataSet as a view "WordCount"
tEnv.createTemporaryView("TableWordCount", input, 'word, 'frequency)
val tableFrequency = tEnv.sqlQuery("SELECT word, UDF_FRENQUENCY(frequency) as myFrequency FROM TableWordCount")
tEnv.registerTable("TableFrequency", tableFrequency)
// run a SQL query on the Table and retrieve the result as a new Table
val table = tEnv.sqlQuery("SELECT word, myFrequency FROM TableFrequency WHERE myFrequency <> 0")
table.toDataSet[WC].print()
}
case class WC(word: String, frequency: Long)
}
3. 输出结果
// 输出如下，能看到本来应该是调用三次，结果现在调用了六次 11:15:05,409 ERROR mytestpackage.myUdf - The current is : 1 11:15:05,409 ERROR mytestpackage.myUdf - The current is : 2 11:15:05,425 ERROR mytestpackage.myUdf - The current is : 3 11:15:05,425 ERROR mytestpackage.myUdf - The current is : 4 11:15:05,426 ERROR mytestpackage.myUdf - The current is : 5 11:15:05,426 ERROR mytestpackage.myUdf - The current is : 6
0x03 Flink SQL UDF转换流程
1. LogicalFilter
这里是 " myFrequency <> 0" 被转换为 LogicalFilter。具体是SqlToRelConverter函数中会将SQL语句转换为RelNode。
具体在SqlToRelConverter (org.apache.calcite.sql2rel)完成，其打印内容摘要如下：
filter = {LogicalFilter@4844} "LogicalFilter#2"
variablesSet = {RegularImmutableSet@4817} size = 0
condition = {RexCall@4816} "<>($1, 0)"
input = {LogicalProject@4737} "LogicalProject#1"
desc = "LogicalFilter#2"
rowType = null
digest = "LogicalFilter#2"
cluster = {RelOptCluster@4765}
id = 2
traitSet = {RelTraitSet@4845} size = 1
create:107, LogicalFilter (org.apache.calcite.rel.logical) createFilter:333, RelFactories$FilterFactoryImpl (org.apache.calcite.rel.core) convertWhere:993, SqlToRelConverter (org.apache.calcite.sql2rel) convertSelectImpl:649, SqlToRelConverter (org.apache.calcite.sql2rel) convertSelect:627, SqlToRelConverter (org.apache.calcite.sql2rel) convertQueryRecursive:3181, SqlToRelConverter (org.apache.calcite.sql2rel) convertQuery:563, SqlToRelConverter (org.apache.calcite.sql2rel) rel:150, FlinkPlannerImpl (org.apache.flink.table.calcite) rel:135, FlinkPlannerImpl (org.apache.flink.table.calcite) toQueryOperation:490, SqlToOperationConverter (org.apache.flink.table.sqlexec) convertSqlQuery:315, SqlToOperationConverter (org.apache.flink.table.sqlexec) convert:155, SqlToOperationConverter (org.apache.flink.table.sqlexec) parse:66, ParserImpl (org.apache.flink.table.planner) sqlQuery:457, TableEnvImpl (org.apache.flink.table.api.internal) main:55, TestUdf$ (mytestpackage) main:-1, TestUdf (mytestpackage)
2. FilterToCalcRule
这里Flink发现了FilterToCalcRule 这个rule适合对Filter进行切换。
我们思考下可知，Filter的Condition条件是需要进行计算才能获得的，所以需要转换为Calc。
具体源码在 VolcanoPlanner.findBestExp (org.apache.calcite.plan.volcano)
call = {VolcanoRuleMatch@5576} "rule [FilterToCalcRule] rels [rel#35:LogicalFilter.NONE(input=RelSubset#34,condition=<>($1, 0))]"
targetSet = {RelSet@5581}
targetSubset = null
digest = "rule [FilterToCalcRule] rels [rel#35:LogicalFilter.NONE(input=RelSubset#34,condition=<>($1, 0))]"
cachedImportance = 0.891
volcanoPlanner = {VolcanoPlanner@5526}
generatedRelList = null
id = 45
operand0 = {RelOptRuleOperand@5579}
nodeInputs = {RegularImmutableBiMap@5530} size = 0
rule = {FilterToCalcRule@5575} "FilterToCalcRule"
rels = {RelNode[1]@5582}
planner = {VolcanoPlanner@5526}
parents = null
onMatch:65, FilterToCalcRule (org.apache.calcite.rel.rules) onMatch:208, VolcanoRuleCall (org.apache.calcite.plan.volcano) findBestExp:631, VolcanoPlanner (org.apache.calcite.plan.volcano) run:327, Programs$RuleSetProgram (org.apache.calcite.tools) runVolcanoPlanner:280, Optimizer (org.apache.flink.table.plan) optimizeLogicalPlan:199, Optimizer (org.apache.flink.table.plan) optimize:56, BatchOptimizer (org.apache.flink.table.plan) translate:280, BatchTableEnvImpl (org.apache.flink.table.api.internal) toDataSet:69, BatchTableEnvironmentImpl (org.apache.flink.table.api.scala.internal) toDataSet:53, TableConversions (org.apache.flink.table.api.scala) main:57, TestUdf$ (mytestpackage) main:-1, TestUdf (mytestpackage)
3. LogicalCalc
因为上述的FilterToCalcRule，所以生成了 LogicalCalc。我们也可以看到这里就是包含了UDF_FRENQUENCY。
calc = {LogicalCalc@5632} "LogicalCalc#60"
program = {RexProgram@5631} "(expr#0..1=[{inputs}], expr#2=[UDF_FRENQUENCY($t1)], expr#3=[0:BIGINT], expr#4=[<>($t2, $t3)], proj#0..1=[{exprs}], $condition=[$t4])"
input = {RelSubset@5605} "rel#32:Subset#0.LOGICAL"
desc = "LogicalCalc#60"
rowType = {RelRecordType@5629} "RecordType(VARCHAR(65536) word, BIGINT frequency)"
digest = "LogicalCalc#60"
cluster = {RelOptCluster@5596}
id = 60
traitSet = {RelTraitSet@5597} size = 1
4. DataSetCalc
经过转换，最后得到了physical RelNode，即物理执行计划 DataSetCalc。
具体源码在 VolcanoPlanner.findBestExp (org.apache.calcite.plan.volcano)。
// 这里给出了执行函数，运行内容和调用栈
ConverterRule.onMatch(RelOptRuleCall call) {
RelNode rel = call.rel(0);
if (rel.getTraitSet().contains(this.inTrait)) {
RelNode converted = this.convert(rel);
if (converted != null) {
call.transformTo(converted);
}
}
}
// 转换后的 DataSetCalc 内容如下
converted = {DataSetCalc@5560} "Calc(where: (<>(UDF_FRENQUENCY(frequency), 0:BIGINT)), select: (word, UDF_FRENQUENCY(frequency) AS myFrequency))"
cluster = {RelOptCluster@5562}
rowRelDataType = {RelRecordType@5565} "RecordType(VARCHAR(65536) word, BIGINT myFrequency)"
calcProgram = {RexProgram@5566} "(expr#0..1=[{inputs}], expr#2=[UDF_FRENQUENCY($t1)], expr#3=[0:BIGINT], expr#4=[<>($t2, $t3)], word=[$t0], myFrequency=[$t2], $condition=[$t4])"
ruleDescription = "DataSetCalcRule"
program = {RexProgram@5566} "(expr#0..1=[{inputs}], expr#2=[UDF_FRENQUENCY($t1)], expr#3=[0:BIGINT], expr#4=[<>($t2, $t3)], word=[$t0], myFrequency=[$t2], $condition=[$t4])"
input = {RelSubset@5564} "rel#71:Subset#5.DATASET"
desc = "DataSetCalc#72"
rowType = {RelRecordType@5565} "RecordType(VARCHAR(65536) word, BIGINT myFrequency)"
digest = "DataSetCalc#72"
AbstractRelNode.cluster = {RelOptCluster@5562}
id = 72
traitSet = {RelTraitSet@5563} size = 1
init:52, DataSetCalc (org.apache.flink.table.plan.nodes.dataset) convert:40, DataSetCalcRule (org.apache.flink.table.plan.rules.dataSet) onMatch:144, ConverterRule (org.apache.calcite.rel.convert) onMatch:208, VolcanoRuleCall (org.apache.calcite.plan.volcano) findBestExp:631, VolcanoPlanner (org.apache.calcite.plan.volcano) run:327, Programs$RuleSetProgram (org.apache.calcite.tools) runVolcanoPlanner:280, Optimizer (org.apache.flink.table.plan) optimizePhysicalPlan:209, Optimizer (org.apache.flink.table.plan) optimize:57, BatchOptimizer (org.apache.flink.table.plan) translate:280, BatchTableEnvImpl (org.apache.flink.table.api.internal) toDataSet:69, BatchTableEnvironmentImpl (org.apache.flink.table.api.scala.internal) toDataSet:53, TableConversions (org.apache.flink.table.api.scala) main:57, TestUdf$ (mytestpackage) main:-1, TestUdf (mytestpackage)
5. generateFunction (问题点所在)
在DataSetCalc中，会最后生成UDF对应的JAVA代码。
class DataSetCalc {
override def translateToPlan(
tableEnv: BatchTableEnvImpl,
queryConfig: BatchQueryConfig): DataSet[Row] = {
......
// 这里生成了UDF对应的JAVA代码
val genFunction = generateFunction(
generator,
ruleDescription,
new RowSchema(getRowType),
projection,
condition,
config,
classOf[FlatMapFunction[Row, Row]])
// 这里生成了FlatMapRunner
val runner = new FlatMapRunner(genFunction.name, genFunction.code, returnType)
inputDS.flatMap(runner).name(calcOpName(calcProgram, getExpressionString))
}
}
translateToPlan:90, DataSetCalc (org.apache.flink.table.plan.nodes.dataset) translate:306, BatchTableEnvImpl (org.apache.flink.table.api.internal) translate:281, BatchTableEnvImpl (org.apache.flink.table.api.internal) toDataSet:69, BatchTableEnvironmentImpl (org.apache.flink.table.api.scala.internal) toDataSet:53, TableConversions (org.apache.flink.table.api.scala) main:57, TestUdf$ (mytestpackage) main:-1, TestUdf (mytestpackage)
真正生成代码的位置如下，能看出来生成代码是FlatMapFunction。而本文的问题点就出现在这里。
// 下面能看出，针对不同的SQL子句，Flink会进行不同的转化
trait CommonCalc {
private[flink] def generateFunction[T <: Function](
generator: FunctionCodeGenerator,
ruleDescription: String,
returnSchema: RowSchema,
calcProjection: Seq[RexNode],
calcCondition: Option[RexNode],
config: TableConfig,
functionClass: Class[T]):
GeneratedFunction[T, Row] = {
// 生成过滤条件，就是 SELEC。filterCondition实际上已经生成包含了调用UDF的代码，下面会给出其内容
val projection = generator.generateResultExpression(
returnSchema.typeInfo,
returnSchema.fieldNames,
calcProjection)
// only projection
val body = if (calcCondition.isEmpty) {
s"""
|${projection.code}
|${generator.collectorTerm}.collect(${projection.resultTerm});
|""".stripMargin
}
else {
// 生成过滤条件，就是 WHERE。filterCondition实际上已经生成包含了调用UDF的代码，下面会给出其内容
val filterCondition = generator.generateExpression(calcCondition.get)
// only filter
if (projection == null) {
s"""
|${filterCondition.code}
|if (${filterCondition.resultTerm}) {
| ${generator.collectorTerm}.collect(${generator.input1Term});
|}
|""".stripMargin
}
// both filter and projection
else {
// 本例中，会进入到这里。把 filterCondition 和 projection 代码拼接起来。这下子就有了两个 UDF 的调用。
s"""
|${filterCondition.code}
|if (${filterCondition.resultTerm}) {
| ${projection.code}
| ${generator.collectorTerm}.collect(${projection.resultTerm});
|}
|""".stripMargin
}
}
// body 是filterCondition 和 projection 代码的拼接，分别都有 UDF 的调用，现在就有了两个UDF调用了，也就是我们问题所在。
generator.generateFunction(
ruleDescription,
functionClass,
body,
returnSchema.typeInfo)
}
}
// 此函数输入中，calcCondition就是我们SQL的过滤条件
calcCondition = {Some@5663} "Some(<>(UDF_FRENQUENCY($1), 0))"
// 此函数输入中，calcProjection就是我们SQL的投影运算条件
calcProjection = {ArrayBuffer@5662} "ArrayBuffer" size = 2
0 = {RexInputRef@7344} "$0"
1 = {RexCall@7345} "UDF_FRENQUENCY($1)"
// 生成过滤条件，就是 WHERE 对应的代码。filterCondition实际上已经生成包含了调用UDF的代码
filterCondition = {GeneratedExpression@5749} "GeneratedExpression(result$16,isNull$17,\n\n\n\njava.lang.Long result$12 = function_spendreport$myUdf$c45b0e23278f15e8f7d075abac9a121b.eval(\n isNull$8 ? null : (java.lang.Long) result$7);\n\n\nboolean isNull$14 = result$12 == null;\nlong result$13;\nif (isNull$14) {\n result$13 = -1L;\n}\nelse {\n result$13 = result$12;\n}\n\n\n\nlong result$15 = 0L;\n\nboolean isNull$17 = isNull$14 || false;\nboolean result$16;\nif (isNull$17) {\n result$16 = false;\n}\nelse {\n result$16 = result$13 != result$15;\n}\n,Boolean,false)"
// 生成投影运算，就是 SELECT 对应的代码。projection也包含了调用UDF的代码
projection = {GeneratedExpression@5738} "GeneratedExpression(out,false,\n\nif (isNull$6) {\n out.setField(0, null);\n}\nelse {\n out.setField(0, result$5);\n}\n\n\n\n\n\njava.lang.Long result$9 = function_spendreport$myUdf$c45b0e23278f15e8f7d075abac9a121b.eval(\n isNull$8 ? null : (java.lang.Long) result$7);\n\n\nboolean isNull$11 = result$9 == null;\nlong result$10;\nif (isNull$11) {\n result$10 = -1L;\n}\nelse {\n result$10 = result$9;\n}\n\n\nif (isNull$11) {\n out.setField(1, null);\n}\nelse {\n out.setField(1, result$10);\n}\n,Row(word: String, myFrequency: Long),false)"
// 具体这个类其实是 DataSetCalcRule extends RichFlatMapFunction
name = "DataSetCalcRule"
// 生成的类
clazz = {Class@5773} "interface org.apache.flink.api.common.functions.FlatMapFunction"
// 生成类的部分代码，这里对应的是UDF的业务内容
bodyCode = "\n\n\n\n\njava.lang.Long result$12 = function_mytestpackage$myUdf$c45b0e23278f15e8f7d075abac9a121b.eval(\n isNull$8 ? null : (java.lang.Long) result$7);\n\n\nboolean isNull$14 = result$12 == null;\nlong result$13;\nif (isNull$14) {\n result$13 = -1L;\n}\nelse {\n result$13 = result$12;\n}\n\n\n\nlong result$15 = 0L;\n\nboolean isNull$17 = isNull$14 || false;\nboolean result$16;\nif (isNull$17) {\n result$16 = false;\n}\nelse {\n result$16 = result$13 != result$15;\n}\n\nif (result$16) {\n \n\nif (isNull$6) {\n out.setField(0, null);\n}\nelse {\n out.setField(0, result$5);\n}\n\n\n\n\n\njava.lang.Long result$9 = function_mytestpackage$myUdf$c45b0e23278f15e8f7d075abac9a121b.eval(\n isNull$8 ? null : (java.lang.Long) result$7);\n\n\nboolean isNull$11 = result$9 == null;\nlong result$10;\nif (isNull$11) {\n result$10 = -1L;\n}\nelse {\n result$10 = result$9;\n}\n\n\nif (isNull$11) {\n out.setField(1, null);\n}\nelse {\n out.setField(1, result$10);\n}\n\n c.collect(out);\n}\n"
generateFunction:94, FunctionCodeGenerator (org.apache.flink.table.codegen) generateFunction:79, CommonCalc$class (org.apache.flink.table.plan.nodes) generateFunction:45, DataSetCalc (org.apache.flink.table.plan.nodes.dataset) translateToPlan:105, DataSetCalc (org.apache.flink.table.plan.nodes.dataset) translate:306, BatchTableEnvImpl (org.apache.flink.table.api.internal) translate:281, BatchTableEnvImpl (org.apache.flink.table.api.internal) toDataSet:69, BatchTableEnvironmentImpl (org.apache.flink.table.api.scala.internal) toDataSet:53, TableConversions (org.apache.flink.table.api.scala) main:57, TestUdf$ (mytestpackage) main:-1, TestUdf (mytestpackage)
6. FlatMapRunner
从定义能够看出来，FlatMapRunner继承了RichFlatMapFunction，说明 Flink认为UDF就是一个Flatmap操作。
package org.apache.flink.table.runtime
class FlatMapRunner(
name: String,
code: String,
@transient var returnType: TypeInformation[Row])
extends RichFlatMapFunction[Row, Row] ... {
private var function: FlatMapFunction[Row, Row] = _
...
override def flatMap(in: Row, out: Collector[Row]): Unit =
function.flatMap(in, out)
...
}
0x04 UDF生成的代码
1. 缩减版
这里是生成的代码缩减版，能看出具体问题点，myUdf函数被执行了两次。
function_mytestpackage\(myUdf\)c45b0e23278f15e8f7d075abac9a121b 这个就是 myUdf 转换之后的函数。
// 原始 SQL "SELECT word, myFrequency FROM TableFrequency WHERE myFrequency <> 0"
java.lang.Long result$12 = function_mytestpackage$myUdf$c45b0e23278f15e8f7d075abac9a121b.eval(
isNull$8 ? null : (java.lang.Long) result$7); // 这次 UDF 调用对应 WHERE myFrequency <> 0
boolean isNull$14 = result$12 == null;
boolean isNull$17 = isNull$14 || false;
boolean result$16;
if (isNull$17) {
result$16 = false;
}
else {
result$16 = result$13 != result$15;
}
if (result$16) { // 这里说明 myFrequency <> 0，所以可以进入
java.lang.Long result$9 = function_mytestpackage$myUdf$c45b0e23278f15e8f7d075abac9a121b.eval(
isNull$8 ? null : (java.lang.Long) result$7); // 这里对应的是 SELECT myFrequency，注意的是，这里又调用了 UDF，重新计算了一遍，所以 UDF 才不应该有状态信息。
boolean isNull$11 = result$9 == null;
long result$10;
if (isNull$11) {
result$10 = -1L;
}
else {
result$10 = result$9; // 这里才进行SELECT myFrequency，但是这时候 UDF 已经被计算两次了
}
}
2. 完整版
以下是生成的代码，因为是自动生成，所以看起来会有点费劲，不过好在已经是最后一步了。
public class DataSetCalcRule$18 extends org.apache.flink.api.common.functions.RichFlatMapFunction {
final mytestpackage.myUdf function_mytestpackage$myUdf$c45b0e23278f15e8f7d075abac9a121b;
final org.apache.flink.types.Row out =
new org.apache.flink.types.Row(2);
private org.apache.flink.types.Row in1;
public DataSetCalcRule$18() throws Exception {
function_mytestpackage$myUdf$c45b0e23278f15e8f7d075abac9a121b = (mytestpackage.myUdf)
org.apache.flink.table.utils.EncodingUtils.decodeStringToObject(
"rO0ABXNyABFzcGVuZHJlcG9ydC5teVVkZmGYnDRF7Hj4AgABTAAHY3VycmVudHQAEExqYXZhL2xhbmcvTG9uZzt4cgAvb3JnLmFwYWNoZS5mbGluay50YWJsZS5mdW5jdGlvbnMuU2NhbGFyRnVuY3Rpb25uLPkGQbqbDAIAAHhyADRvcmcuYXBhY2hlLmZsaW5rLnRhYmxlLmZ1bmN0aW9ucy5Vc2VyRGVmaW5lZEZ1bmN0aW9u14hb_NiViUACAAB4cHNyAA5qYXZhLmxhbmcuTG9uZzuL5JDMjyPfAgABSgAFdmFsdWV4cgAQamF2YS5sYW5nLk51bWJlcoaslR0LlOCLAgAAeHAAAAAAAAAAAA",
org.apache.flink.table.functions.UserDefinedFunction.class);
}
@Override
public void open(org.apache.flink.configuration.Configuration parameters) throws Exception {
function_mytestpackage$myUdf$c45b0e23278f15e8f7d075abac9a121b.open(new org.apache.flink.table.functions.FunctionContext(getRuntimeContext()));
}
@Override
public void flatMap(Object _in1, org.apache.flink.util.Collector c) throws Exception {
in1 = (org.apache.flink.types.Row) _in1;
boolean isNull$6 = (java.lang.String) in1.getField(0) == null;
java.lang.String result$5;
if (isNull$6) {
result$5 = "";
}
else {
result$5 = (java.lang.String) (java.lang.String) in1.getField(0);
}
boolean isNull$8 = (java.lang.Long) in1.getField(1) == null;
long result$7;
if (isNull$8) {
result$7 = -1L;
}
else {
result$7 = (java.lang.Long) in1.getField(1);
}
java.lang.Long result$12 = function_mytestpackage$myUdf$c45b0e23278f15e8f7d075abac9a121b.eval(
isNull$8 ? null : (java.lang.Long) result$7);
boolean isNull$14 = result$12 == null;
long result$13;
if (isNull$14) {
result$13 = -1L;
}
else {
result$13 = result$12;
}
long result$15 = 0L;
boolean isNull$17 = isNull$14 || false;
boolean result$16;
if (isNull$17) {
result$16 = false;
}
else {
result$16 = result$13 != result$15;
}
if (result$16) {
if (isNull$6) {
out.setField(0, null);
}
else {
out.setField(0, result$5);
}
java.lang.Long result$9 = function_mytestpackage$myUdf$c45b0e23278f15e8f7d075abac9a121b.eval(
isNull$8 ? null : (java.lang.Long) result$7);
boolean isNull$11 = result$9 == null;
long result$10;
if (isNull$11) {
result$10 = -1L;
}
else {
result$10 = result$9;
}
if (isNull$11) {
out.setField(1, null);
}
else {
out.setField(1, result$10);
}
c.collect(out);
}
}
@Override
public void close() throws Exception {
function_mytestpackage$myUdf$c45b0e23278f15e8f7d075abac9a121b.close();
}
}
0x05 总结
至此，我们把Flink SQL如何生成JAVA代码的流程大致走了一遍。
Flink生成的内部代码，是把"投影运算"和"过滤条件"分别生成，然后拼接在一起。
即使原始SQL中只有一次UDF调用，但是如果SELECT和WHERE都间接用到了UDF，那么最终"投影运算"和"过滤条件"就会分别调用了UDF，所以拼接之后就会有多个UDF调用。
这就是 "UDF不应该有内部历史状态" 的最终原因。我们在实际开发过程中一定要注意这个问题。