我已经看到几个提及＆＃34; upsert模式＆＃34; 基于Flink文档和官方Flink博客中的唯一键的动态表。但是，我没有看到任何关于如何在动态表上启用此模式的示例/文档。
示例：
通过更新模式在流上定义动态表时，我们可以在表上指定唯一键属性。在这种情况下，关于键属性执行更新和删除操作。 更新模式在下图中可视化。
转换为 upsert流的动态表需要（可能是复合的）唯一键。
所以我的问题是：
答案 0 :(得分：3)
链接资源描述了两种不同的场景。
DataStream -> Table转换。 Table -> DataStream转换。以下讨论基于Flink 1。4。0（2018年1月）。
Upsert DataStream -> Table转化
通过插入密钥将DataStream转换为Table本机不受支持，但在路线图上。同时，您可以使用追加Table和带有用户定义聚合函数的查询来模拟此行为。
如果您的跟踪Table Logins附加了跟踪用户登录的架构(user, loginTime, ip)，则可以将其转换为Table上的关键字user使用以下查询：
SELECT user, LAST_VAL(loginTime), LAST_VAL(ip) FROM Logins GROUP BY user
LAST_VAL聚合函数是user-defined aggregation function，它始终返回最新的附加值。
对upsert DataStream -> Table转换的原生支持基本上会以相同的方式工作，尽管提供了更简洁的API。
Upsert Table -> DataStream转化
不支持将Table转换为upsert DataStream。这也在文档中正确反映出来：
请注意，将动态表格转换为DataStream时，仅支持附加和撤消流。
我们故意选择不支持up Table -> DataStream转换，因为只有知道了关键属性才能处理upsert DataStream。这些取决于查询，并不总是直接识别。开发人员有责任确保正确解释关键属性。如果不这样做会导致程序错误。为避免出现问题，我们决定不提供upsert Table -> DataStream转换。
相反，用户可以将Table转换为撤消DataStream。此外，我们支持将UpsertTableSink写入外部系统（例如数据库或键值存储区）的DataStream。
答案 1 :(得分：2)
更新：从 Flink 1.9 开始，LAST_VALUE 是 build-in aggregate functions 的一部分，如果我们使用 Blink planner（这是自 Flink 1.11 以来的默认设置）。
假设上面 Fabian Hueske 的回复中提到的 Logins 表存在，我们现在可以简单地将其转换为 upsert 表：
SELECT
user,
LAST_VALUE(loginTime),
LAST_VALUE(ip)
FROM Logins
GROUP BY user
答案 2 :(得分：0)
Flink 1.8仍然缺乏这种支持。预计将来会增加这些功能：1）LAST_VAL 2）Upsert Stream <->动态表。
ps。 LAST_VAL（）似乎不可能在UDTF中实现。聚合函数不提供附加的事件/过程时间上下文。阿里巴巴的Blink提供了LAST_VAL的替代实现，但是它需要另一个字段来提供订单信息，而不是直接提供事件/过程时间。这使得SQL代码很难看。 （https://help.aliyun.com/knowledge_detail/62791.html）
我的LAST_VAL解决方案（例如获取最新IP）类似于：