អ្វីដែលអ្នកត្រូវដឹងអំពីការបច្ចុប្បន្នភាពថ្មីបំផុតសម្រាប់ APIs SQL និង Table នៃ Apache Flink

ដោយ: លោក David Anderson, អ្នកជំនាញវិជ្ជាជីវៈកម្មវិធីសំខាន់នៅ Confluent Flink SQL គឺជាម៉ាស៊ីនដែលមានប្រសិទ្ធិភាពដែលត្រូវបានរចនាឡើងដើម្បីដំណើរការទិន្នន័យតាមរយៈអ៊ីនធឺណិតក្នុងអំឡុងពេលដែលប្រើវាជាភាសា SQL ដែលមានជំនាញវិជ្ជាជីវៈនិងគំនិតទំនាក់ទំនងដែលមានមូលដ្ឋាន។ វាគឺជាដំណោះស្រាយដែលមានប្រសិទ្ធិភាពសម្រាប់តំបន់កម្មវិធីជាច្រើន, ជាពិសេសឧបករណ៍ ETL និងទិន្នន័យវិជ្ជាជីវៈវិជ្ជាជីវៈ, ប៉ុន្តែឥឡូវនេះ Flink SQL បានមិនមានលក្ខណៈពិសេសសំខាន់ដែលជាច្រើនត្រូវការសម្រាប់កម្មវិធីដែលមានជំនាញវិជ្ជាជីវៈ។ ជាមួយនឹងការអភិវឌ្ឍបច្ចុប្បន្នដែលបានបង្ហាញនៅទីនេះ, APIs Relational នៃ Apache Flink - ដូចជា Flink SQL និង Table API - បានកើនឡើងទៅកន្លែងដែលការប្រើប្រាស់នៃការបង្វិលដែលមានប្រសិទ្ធិភាពនិងប្រតិបត្ដិការដំឡើងរបស់ពួកគេមិនចាំបាច់បាត់បន្ថយការចូលទៅក្នុងកម្មវិធីដំណើរការទិន្នន័យទិន្នន័យទាបនៃ Flink ។ ទាំងអស់ដែលបាននិយាយនៅទីនេះត្រូវបានអនុវត្តដូចគ្នាសម្រាប់ Flink SQL និង Table API ។ ពួកគេទាំងពីរមានទីតាំងនៅលើពេលដំណើរការដូចគ្នា - គំនិតនិងសមត្ថភាពមូលដ្ឋានគឺដូចគ្នា - ពួកគេអាចចូលមកពី Java ឬ Python, មិនមែនជា SQL, ប្រសិនបើអ្នកជ្រើសរើសដើម្បីប្រើ Table API ។ ការប្រើប្រាស់ Cases ប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការប្រព័ន្ធប្រតិបត្តិការ Agentic AI ឧបករណ៍កម្មវិធីអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡិចត្រូនិអេឡ Shift left នៅលើពិភពលោកនៃការដំណើរការទិន្នន័យ, "ការផ្លាស់ប្តូរខាងលិច" អនុញ្ញាតឱ្យការធ្វើឱ្យការផ្លាស់ប្តូរទិន្នន័យនិងការអត្ថប្រយោជន៍យ៉ាងឆាប់រហ័សដែលអាចធ្វើបាននៅក្នុងដំណោះស្រាយទិន្នន័យ។ API របស់ Flink មានប្រយោជន៍នៅទីនេះដោយអនុញ្ញាតឱ្យការផ្លាស់ប្តូរពេលវេលាពិតប្រាកដនិងការអត្ថប្រយោជន៍ជាមួយកំណត់ទិន្នន័យផ្សេងទៀត។ នេះអនុញ្ញាតឱ្យអារម្មណ៍ឆាប់រហ័សនិងការរៀបចំទិន្នន័យសម្រាប់ការវិភាគបន្ទាប់ឬការប្រើប្រាស់។ ការរួមបញ្ចូលគ្នានៃការច្នៃប្រឌិត Flink SQL បានប្រើសម្រាប់គំនិតនិងអាសយដ្ឋានដែលបានបង្កើតឡើងសម្រាប់ការដំណើរការប្រតិបត្តិការអ៊ីនធឺណិត (OLTP) និងការដំណើរការវិភាគអ៊ីនធឺណិត (OLAP) និងការអភិវឌ្ឍរបស់ពួកគេដើម្បីបំពេញតម្រូវការនៃកម្មវិធីដំណើរការអ៊ីនធឺណិតអ៊ីនធឺណិត។ The relational algebra remains the same គោលនយោបាយសំខាន់នៃអាល្លឺម៉ង់ទំនាក់ទំនងដែលជាមូលដ្ឋាននៃ SQL ត្រូវបានរក្សាទុកយ៉ាងពេញលេញនៅក្នុង Flink SQL ។ ទោះបីជាប្រព័ន្ធ SQL ដែលជាប្រព័ន្ធប្រតិបត្តិការធម្មតាគឺជាប្រព័ន្ធធម្មតា, Flink SQL បានបង្ហាញនូវគំនិតនៃប្រព័ន្ធប្រតិបត្តិការធម្មតាដែលគឺជាការបង្ហាញប្រវត្តិសាស្រ្តនៃប្រព័ន្ធប្រតិបត្តិការទិន្នន័យដែលមិនមានកំណត់។ Tables: ការបណ្តុះបណ្តាល (ដូចជា 'COUNT', 'SUM', 'AVG') ត្រូវបានអនុវត្តទៅនឹងការបណ្តុះបណ្តាលដែលផ្តល់នូវការបណ្តុះបណ្តាលទិន្នន័យក្នុងអំឡុងពេលពិតប្រាកដ។ Aggregations: Flink SQL អនុញ្ញាតឱ្យទិន្នន័យពីទិន្នន័យពីទិន្នន័យផ្សេងគ្នានៃប្រព័ន្ធផ្សព្វផ្សាយផ្សេងគ្នានៃការរួមបញ្ចូលផ្សេងគ្នានៃទិន្នន័យផ្សេងគ្នានៃទិន្នន័យផ្សេងគ្នានៃទិន្នន័យផ្សេងគ្នានៃទិន្នន័យផ្សេងគ្នានៃទិន្នន័យផ្សេងគ្នានៃទិន្នន័យផ្សេងគ្នានៃទិន្នន័យផ្សេងគ្នានៃទិន្នន័យផ្សេងគ្នានៃទិន្នន័យផ្សេងគ្នានៃទិន្នន័យផ្សេងគ្នានៃទិន្នន័យ។ Joins: ការបញ្ជាក់ Flink SQL ទាំងអស់បានបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់ពីការបញ្ជាក់។ Continuous queries (materialized views): New challenges and ideas for stream processing ទោះជាយ៉ាងណាក៏ដោយការអនុវត្តគំនិតទំនាក់ទំនងទាំងនេះទៅលើពិភពលោកច្នៃប្រឌិតនៃការដំណើរការបណ្តុះបណ្តាលផ្តល់នូវគំនិតថ្មីមួយចំនួន: ការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរការដំណើរ Thinking about state: ក្នុងការដំណើរការដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះស្រាយដំណោះ Watermarks: Flink SQL បានរួមបញ្ចូលជាច្រើននៃកំណែអំឡុងពេលពិសេសនៃប្រតិបត្តិការដែលមានស្ថានភាពដូចជាការទូទាត់ពេលវេលានិងការទូទាត់ពេលវេលាដែលមានស្ថានភាពដែលមានស្ថានភាពដែលមានស្ថានភាពដែលអាចត្រូវបានបាត់បន្ថយ។ ការអភិវឌ្ឍថ្មីៗ ការអភិវឌ្ឍបច្ចុប្បន្ននេះបានធ្វើឱ្យ APIs ការទំនាក់ទំនងនេះមានភាពងាយស្រួលជាងមុន។ Flink SQL និង API Table គឺអាចបន្ថែមបានយ៉ាងខ្លាំងដោយប្រើកម្មវិធី UDFs (User-Defined Functions) ។ វាត្រូវបានអនុញ្ញាតឱ្យ Java ឬ Python ដែលអាចត្រូវបានប្រើដើម្បីអនុវត្តប្រវត្តិសាស្រ្តផ្ទាល់ខ្លួនដែលមិនអាចត្រូវបានបង្ហាញដោយផ្ទាល់នៅក្នុង SQL ។ UDFs អាចអនុវត្តការគណនានេះមានភាពងាយស្រួលក្នុងការអនុវត្តការគណនានេះ, ការប្រើប្រាស់សៀវភៅទី 3 របស់អ្នក, ការរួមបញ្ចូលជាមួយប្រព័ន្ធខាងក្រៅឬការអនុវត្តការផ្លាស់ប្តូរឯកជន។ វាគឺជាការច្នៃប្រឌិតថ្មីនៃ UDF ដែលបានបង្កើតឡើងជាផ្នែកមួយនៃ Flink ។ ដូចគ្នានេះមិនមែនជា UDF ដែលធម្មតា PTFs អាចដំណើរការប្លាស្ទិចទាំងអស់ (ផ្ទុក) នៅក្នុងវិធីដែលមានភាពងាយស្រួលដោយប្រើសេវាកម្មស្ថានភាពគ្រប់គ្រងនិងពេលវេលារបស់ Flink ។ នេះអនុញ្ញាតឱ្យប្រព័ន្ធប្រតិបត្តិការដែលបានកំណត់ដោយអ្នកប្រើប្រាស់ដូចជាប្រព័ន្ធប្រតិបត្តិការ Windows ដែលមានលក្ខណៈសម្បត្តិដូចជាប្រព័ន្ធប្រតិបត្តិការដែលបានបង្កើតឡើង។ Process Table Functions (PTFs) ការផ្លាស់ប្តូរតាមរយៈ Flink SQL ការប្រតិបត្តិការ Join បានបង្ហាញពីការប្រៀបធៀបនិងការប្រៀបធៀបសំខាន់នៅក្នុង API Relational នៃ Flink ដែលប្រៀបធៀបទៅនឹងមូលដ្ឋានទិន្នន័យ SQL ដែលធម្មតា ។ ការបង្ហាញពីការប្រៀបធៀបដែលគំនិតដែលបានបង្ហាញនៅលើនេះអាចត្រូវបានអនុវត្តទៅនឹងកម្មវិធីពិតប្រាកដដែលប្រើ joins ។ សូមអរគុណសម្រាប់ការដំណើរការអតិថិជនអ៊ីនធឺណិតនិងការទូទាត់នៅលើអ៊ីនធឺណិតដែលការទូទាត់និងការទូទាត់ទាំងអស់ត្រូវបានទូទាត់ដោយគោលបំណងអតិថិជនអ៊ីនធឺណិតមួយ។ ការទូទាត់និងការទូទាត់គឺជាគោលបំណងនៃ Apache Kafka ហើយយើងចង់បង្កើតគោលបំណង Kafka ថ្មីសម្រាប់ការទូទាត់ដែលនឹងត្រូវបានប្រើសម្រាប់ការអនុវត្តការទូទាត់។ ប្រយោជន៍មួយដែលគួរតែធ្វើបានគឺ CREATE TABLE PaidOrders AS ( SELECT o.id AS orderId, p.id AS paymentId FROM Orders o INNER JOIN Payments p ON o.id = p.orderId ); ជាការពិតប្រាកដ, នៅក្នុងកម្មវិធីពិតប្រាកដយើងនឹងបង្ហាញនូវព័ត៌មានបន្ថែមទៀតនៅក្នុងការនាំចេញដូចជា ID របស់អតិថិជនអាសយដ្ឋានដឹកជញ្ជូនរបស់ពួកគេនិង ID នៃផលិតផលដែលត្រូវបានទិញ។ ប៉ុន្តែយើងគិតថាឧទាហរណ៍នេះគឺមានភាពងាយស្រួលនិងផ្តោតលើរូបភាពធំ។ នៅក្នុងការនិយាយនៃសហគមន៍ Flink, ការរួមបញ្ចូលដូចគ្នានេះគឺជា "ការរួមបញ្ចូលធម្មតា" (មានន័យថាយើងមិនបានធ្វើអ្វីមួយគត់ដើម្បីអនុញ្ញាតឱ្យ Flink ដើម្បីដំណើរការវាប្រសើរជាងមុន) ហើយនៅពេលដែលត្រូវបានដំណើរការដោយពេលបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្តុះបណ្ត ជាការពិតប្រាកដនៅលើមូលដ្ឋានរបស់យើងអំពីរបៀបដែលក្រុមហ៊ុននេះដំណើរការអាជីវកម្មរបស់ខ្លួនយើងអាចដឹងថាសម្រាប់ការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជា។ អ្វីមួយដែលយើងអាចធ្វើបានដើម្បីធ្វើឱ្យការចូលរួមនេះប្រសើរជាងនេះគឺដើម្បីគិតថាការទូទាត់នឹងកើតឡើងក្នុងរយៈពេល ២ ម៉ោងបន្ទាប់ពីការទិញ (ឧទាហរណ៍): CREATE TABLE PaidOrders AS ( SELECT o.id AS orderId, p.id AS paymentId FROM Orders o INNER JOIN Payments p ON o.id = p.orderId WHERE p.paymentTime BETWEEN o.orderTime AND o.orderTime + INTERVAL '2' HOUR ); នេះនឹងកាត់បន្ថយពេលវេលាដែលការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជាការបញ្ជា ទោះជាយ៉ាងណាក៏ដោយប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើប្រសិនបើ Here is a simplified example of what this might look like: នេះគឺជាឧទាហរណ៍ដែលមានភាពងាយស្រួលនៃអ្វីដែលវាអាចមើលឃើញ: // Function that buffers one object from each side // of the join to produce exactly one result. public static class OrderPaymentJoin extends ProcessTableFunction { public void eval( Context ctx, @StateHint(name = "result") JoinResult result, @ArgumentHint(SET_SEMANTIC_TABLE) Order order, @ArgumentHint(SET_SEMANTIC_TABLE) Payment payment ) { if (order != null) { if (result.orderId != null) { // Skip duplicates. return; } else { // Save the order and wait // for the matching payment. result.orderId = order.id; } } if (payment != null) { if (result.paymentId != null) { // Skip duplicates. return; } else { // The order will precede the payment, but // we cannot guarantee the order will be // processed first. Save the payment // and wait for the matching order. result.paymentId = payment.id; } } if (result.orderId != null && result.paymentId != null) { // Send out the final join result // and clear the state. collect(result); ctx.clearState("result"); } } } ជាមួយនឹង PTF នេះនៅក្នុងទីតាំងរបស់យើងការទាក់ទងរបស់យើងនឹងក្លាយជា CREATE TABLE PaidOrders AS ( SELECT orderId, paymentId FROM OrderPaymentJoin( order => TABLE(Orders) PARTITION BY order_id, payment => TABLE(Payments) PARTITION BY order_id ) ); នៅក្នុងការអនុវត្តនេះប្រសិនបើជាប្រសិនបើអ្នកអាចធ្វើអ្វីដែលអាចធ្វើបានអំពីសមត្ថភាពនៃការកើនឡើងជាច្រើននៃការបញ្ជាទិញ (ទិញដែលមិនទទួលបានការទូទាត់ទេ) ។ លក្ខណៈពិសេសផ្សេងទៀត Native support for ML models FLIP-437 (រួមបញ្ចូលនៅក្នុង Flink 2.0) បានបន្ថែមការគាំទ្រសម្រាប់ម៉ូដែលរៀនម៉ាស៊ីនដូចជាមនុស្សជាលើកដំបូងនៅក្នុង Flink SQL ។ Disaggregated state backend ក្រុមហ៊ុន Flink បានបង្កើតវិធីសាស្រ្តដែលមានមូលដ្ឋាននៅលើបណ្តាញបណ្តាញបណ្តាញដែលមានមូលដ្ឋាននៅលើបណ្តាញដែលធ្វើឱ្យការគ្រប់គ្រងស្ថានភាពមានប្រសើរជាងមុនដែលនឹងធ្វើឱ្យកម្មវិធីអាចប្រើទំហំទូលំទូលាយនៃស្ថានភាពយ៉ាងខ្លាំង។ នេះនឹងមិនងាយស្រួលក្នុងការគិតអំពីតម្រូវការស្ថានភាពនៃកម្មវិធីបណ្តាញរបស់អ្នកទេប៉ុន្តែវាត្រូវបានផ្លាស់ប្តូរយ៉ាងសំខាន់អំពីរបៀបដែលអ្នកគួរតែមើលការជួញដូរដែលមានន័យ។ សម្រាប់អ្នកប្រើ API SQL និង Table នៃ Flink, ការសាកល្បងជាមួយនេះគឺគ្រាន់តែជាបញ្ហានៃការផ្លាស់ប្តូរកំណត់ដំណើរការរបស់អ្នក។ សូមមើលវា សម្រាប់ព័ត៌មានបន្ថែមទៀត សៀវភៅ Semi-structured types ទិន្នន័យផ្លាស់ប្តូរផ្លាស់ប្តូរផ្តល់នូវភាពងាយស្រួលច្រើនជាងមុនដូចជាអនុញ្ញាតឱ្យបណ្តាញត្រូវបានបន្ថែមតាមរយៈពេលវេលាឬបណ្តាញដែលអាចមានប្រភេទផ្សេងគ្នាពីបន្ទាត់ទៅបន្ទាត់។ ឥឡូវនេះអ្នកប្រើ API របស់ Flink នឹងត្រូវជ្រើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសរើសប្រភេទ JSON ។ ទោះជាយ៉ាងណាក៏ដោយការធ្វើការជាមួយ J វាត្រូវបានបន្ថែមប្រភេទ VARIANT ដើម្បីអនុញ្ញាតឱ្យទិន្នន័យប្រាំបីដែលអាចត្រូវបានផ្ទុកនិងដំណើរការយ៉ាងប្រសិទ្ធិភាព។ កុំព្យូទ័រ 521 សម្រាប់ការយល់ដឹងបន្ថែមទៀត ប្រសិនបើអ្នកមានអារម្មណ៍បន្ថែមទៀតអំពី Flink SQL អ្នកនឹងចាប់ផ្តើម រូបថត នេះ នៅ លើ កុំព្យូទ័រ Continuous Queries នេះ វាត្រូវបានផ្តល់នូវបទពិសោធន៍ដ៏ស្រស់ស្អាតមួយចំនួន, ប្រសិនបើអ្នកចង់កើនឡើងទូលំទូលំទូលំទូលំទូលំទូលំទូលំទូលំទូលំទូលំទូលំទូលំទូលំទូលាយនេះ។ វិញ្ញាបនប័ត្រប្រព័ន្ធប្រតិបត្តិការ Process Table Functions លោក Sean Falconer បានបង្ហាញពីរបៀបដែល . អាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្ម អាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្មអាជីវកម្ម