在该教程中，我们会从零开始，介绍如何创建一个Flink Python项目及运行Python Table API程序。
关于Python执行环境的要求，请参考Python Table API[环境安装]({{ site.baseurl }}/dev/dev/table/python/installation.html)。
首先，使用您最熟悉的IDE创建一个Python项目，然后安装PyFlink包，请参考[PyFlink安装指南]({{ site.baseurl }}/zh/dev/table/python/installation.html#installation-of-pyflink)了解详细信息。
编写Flink Python Table API程序的第一步是创建BatchTableEnvironment (或者StreamTableEnvironment，如果你要创建一个流式作业)。这是Python Table API作业的入口类。
{% highlight python %} exec_env = ExecutionEnvironment.get_execution_environment() exec_env.set_parallelism(1) t_config = TableConfig() t_env = BatchTableEnvironment.create(exec_env, t_config) {% endhighlight %}
ExecutionEnvironment (或者StreamExecutionEnvironment，如果你要创建一个流式作业) 可以用来设置执行参数，比如重启策略，缺省并发值等。
TableConfig可以用来设置缺省的catalog名字，自动生成代码时方法大小的阈值等.
接下来，我们将介绍如何创建源表和结果表。
{% highlight python %} t_env.connect(FileSystem().path(‘/tmp/input’))
.with_format(OldCsv() .line_delimiter(' ') .field(‘word’, DataTypes.STRING()))
.with_schema(Schema() .field(‘word’, DataTypes.STRING()))
.create_temporary_table(‘mySource’)
t_env.connect(FileSystem().path(‘/tmp/output’))
.with_format(OldCsv() .field_delimiter(‘\t’) .field(‘word’, DataTypes.STRING()) .field(‘count’, DataTypes.BIGINT()))
.with_schema(Schema() .field(‘word’, DataTypes.STRING()) .field(‘count’, DataTypes.BIGINT()))
.create_temporary_table(‘mySink’) {% endhighlight %}
上面的程序展示了如何创建及在ExecutionEnvironment中注册表名分别为mySource和mySink的表。 其中，源表mySource有一列: word，该表代表了从输入文件/tmp/input中读取的单词； 结果表mySink有两列: word和count，该表会将计算结果输出到文件/tmp/output中，字段之间使用\t作为分隔符。
接下来，我们介绍如何创建一个作业：该作业读取表mySource中的数据，进行一些变换，然后将结果写入表mySink。
{% highlight python %} t_env.scan(‘mySource’)
.group_by(‘word’)
.select(‘word, count(1)’)
.insert_into(‘mySink’) {% endhighlight %}
最后，需要做的就是启动Flink Python Table API作业。上面所有的操作，比如创建源表 进行变换以及写入结果表的操作都只是构建作业逻辑图，只有当t_env.execute(job_name)被调用的时候， 作业才会被真正提交到集群或者本地进行执行。
{% highlight python %} t_env.execute(“python_job”) {% endhighlight %}
该教程的完整代码如下:
{% highlight python %} from pyflink.dataset import ExecutionEnvironment from pyflink.table import TableConfig, DataTypes, BatchTableEnvironment from pyflink.table.descriptors import Schema, OldCsv, FileSystem
exec_env = ExecutionEnvironment.get_execution_environment() exec_env.set_parallelism(1) t_config = TableConfig() t_env = BatchTableEnvironment.create(exec_env, t_config)
t_env.connect(FileSystem().path(‘/tmp/input’))
.with_format(OldCsv() .field(‘word’, DataTypes.STRING()))
.with_schema(Schema() .field(‘word’, DataTypes.STRING()))
.create_temporary_table(‘mySource’)
t_env.connect(FileSystem().path(‘/tmp/output’))
.with_format(OldCsv() .field_delimiter(‘\t’) .field(‘word’, DataTypes.STRING()) .field(‘count’, DataTypes.BIGINT()))
.with_schema(Schema() .field(‘word’, DataTypes.STRING()) .field(‘count’, DataTypes.BIGINT()))
.create_temporary_table(‘mySink’)
t_env.from_path(‘mySource’)
.group_by(‘word’)
.select(‘word, count(1)’)
.insert_into(‘mySink’)
t_env.execute(“python_job”) {% endhighlight %}
首先，你需要在文件 “/tmp/input” 中准备好输入数据。你可以选择通过如下命令准备输入数据：
{% highlight bash %} $ echo -e “flink\npyflink\nflink” > /tmp/input {% endhighlight %}
接下来，可以在命令行中运行作业（假设作业名为WordCount.py）（注意：如果输出结果文件“/tmp/output”已经存在，你需要先删除文件，否则程序将无法正确运行起来）：
{% highlight bash %} $ python WordCount.py {% endhighlight %}
上述命令会构建Python Table API程序，并在本地mini cluster中运行。如果想将作业提交到远端集群执行， 可以参考[作业提交示例]({{ site.baseurl }}/zh/ops/cli.html#job-submission-examples)。
最后，你可以通过如下命令查看你的运行结果：
{% highlight bash %} $ cat /tmp/output flink 2 pyflink 1 {% endhighlight %}
上述教程介绍了如何编写并运行一个Flink Python Table API程序，如果想了解Flink Python Table API 的更多信息，可以参考[Flink Python Table API文档]({{ site.pythondocs_baseurl }}/api/python)。