DataGen

DataGen SQL 连接器 #

Scan Source: 有界 Scan Source: 无界

DataGen 连接器允许按数据生成规则进行读取。

DataGen 连接器可以使用计算列语法。 这使您可以灵活地生成记录。

DataGen 连接器是内置的。

注意 不支持复杂类型: Array，Map，Row。 请用计算列构造这些类型。

怎么创建一个 DataGen 的表 #

表的有界性：当表中字段的数据全部生成完成后，source 就结束了。 因此，表的有界性取决于字段的有界性。

每个列，都有两种生成数据的方法：

  • 随机生成器是默认的生成器，您可以指定随机生成的最大和最小值。char、varchar、binary、varbinary, string （类型）可以指定长度。它是无界的生成器。

  • 序列生成器，您可以指定序列的起始和结束值。它是有界的生成器，当序列数字达到结束值，读取结束。

CREATE TABLE datagen (
 f_sequence INT,
 f_random INT,
 f_random_str STRING,
 ts AS localtimestamp,
 WATERMARK FOR ts AS ts
) WITH (
 'connector' = 'datagen',

 -- optional options --

 'rows-per-second'='5',

 'fields.f_sequence.kind'='sequence',
 'fields.f_sequence.start'='1',
 'fields.f_sequence.end'='1000',

 'fields.f_random.min'='1',
 'fields.f_random.max'='1000',

 'fields.f_random_str.length'='10'
)

连接器参数 #

参数 是否必选 默认值 数据类型 描述
connector
 必须 (none) String 指定要使用的连接器，这里是 'datagen'。
rows-per-second
 可选 10000 Long 每秒生成的行数，用以控制数据发出速率。
fields.#.kind
 可选 random String 指定 '#' 字段的生成器。可以是 'sequence' 或 'random'。
fields.#.min
 可选 (Minimum value of type) (Type of field) 随机生成器的最小值，适用于数字类型。
fields.#.max
 可选 (Maximum value of type) (Type of field) 随机生成器的最大值，适用于数字类型。
fields.#.max-past
 可选 0 Duration 随机生成器生成相对当前时间向过去偏移的最大值，适用于 timestamp 类型。
fields.#.length
 可选 100 Integer 随机生成器生成字符的长度，适用于 char、varchar、binary、varbinary、string。
fields.#.start
 可选 (none) (Type of field) 序列生成器的起始值。
fields.#.end
 可选 (none) (Type of field) 序列生成器的结束值。
fields.#.null-rate
 optional (none) (Type of field) The proportion of null values.