一、概述

为了使用 SQL，首先需要解决的是元数据管理的问题。包括 Table/UDF/View 元数据的注册、查询以及验证。

二、架构设计

2.1. 元数据注册

FinkSQL 原生支持了 DDL 语法，比如 CREATE 语句，通过 Catalog API 将表/视图/函数注册到当前或指定的 Catalog 中，默认使用 InMemoryCatalog 将信息临时保存在内存中，有一个唯一的 ID，由三部分组成: 目录 (catalog)、数据库 (database) 名、表名。

在默认情况下，目录名为 defaultcatalog、数据库名为 default database。故直接创建一个 test 表，它的 ID 是: defaultcatalog.default database.MyTable

同时也提供了 HiveCatalog 与 HiveMetastore 进行集成。
FlinkSQL 目前支持以下 CREATE 语句:

CREATE TABLE
CREATE CATALOG
CREATE DATABASE
CREATE VIEW
CREATE FUNCTION

2.2. 元数据查询

已注册的表/视图/函数可以在 SQL 查询中使用，Catalog API 能够支持对数据库、表、函数、甚至于分区等多种抽象的查询。通过 CatalogManager，可以同时在一个会话中挂载多个 Catalog，从而访问到多个不同的外部系统。

2.3. 元数据验证

FlinkSQL 依赖于 Calcite 來完成 SQL 语句的解折和逻辑计划的优化过程，因此需要将 Catalog 和 Calcite 使用的 Schema 桥接起来，这样 Calcite 才可以获取到由 Flink 管理的元数据。

2.3.1. Calcite 接口

Schema

Schema 接口提供了一种统一的接口来访问和管理各种类型的数据源。

public interface Schema {
  Table getTable(String name);
  Schema getSubSchema (String name);
  ...
}

2.3.2. FlinkSchema

FlinkSchema 基于 Apache Calcite 提供了一种简单、统一的接口，用于访问和管理 Flink 任务中的表、视图和函数等元数据。FlinkSchema 将 Flink 的元数据映射到 Calcite Schema 中的对象上，同时提供了一组 API，用于查询和管理元数据。使用户可以方便地使用 Table/SQL API 进行数据分析和处理。

FlinkSchema 包含三个子类分别为: CatalogManagerCalciteSchema、CatalogCalciteSchema 以及 DatabaseCalciteSchema。
在 Calcite 进行 Validate 时，CatalogManagerCalciteSchema 和 CatalogCalciteschema 通过调用重写 $FlinkSchema.getSubSchema()$ 方法依次获取 Catalog、 Database 信息。最终 DatabaseCalciteSchema 从 CatalogManager 中获取对应的 Table 信息，返回 CatalogSchemaTable