FLink 源码分析--（三）Time Window Join

一、概述

1、FLink SQL 优势

在介绍Time Window Join前，可以先看看Flink SQL相关的整体介绍和架构：

• 声明式：用户只需要表达我想要什么，至于怎么计算那是系统的事情，用户不用关心。
  自动调优。查询优化器可以为用户的 SQL 生成最有的执行计划。用户不需要了解它，就能自动享受优化器带来的性能提升。
• 易于理解：很多不同行业不同领域的人都懂 SQL，SQL 的学习门槛很低，用 SQL 作为跨团队的开发语言可以很大地提高效率。
• 稳定：SQL 是一个拥有几十年历史的语言，是一个非常稳定的语言，很少有变动。所以当我们升级引擎的版本时，甚至替换成另一个引擎，都可以做到兼容地、平滑地升级。
  流与批的统一：Flink底层 runtime 本身就是一个流与批统一的引擎。而 SQL 可以做到 API 层的流与批统一。

2、FLink SQL 核心功能

从上图可以看到Aggregation和Join属于SQL中重要的一员，我们在业务场景中，也会经常用到聚合和Join

3、FLink Join的分类

FLink内部实现的Join有多种类型，分为：
1、Join算子（即普通的join，不区分condition里面的时间条件，左右两侧流数据可以长时间保存）
2、Join LETERAL(右表是一个自定义函数TableFunction实现的视图，遍历进行Join)
3、Join Temporal Table时态表（右表是通过registerTemporalTable注册，join的时候，右表返回指定时间范围内，最新的数据，例如计算汇率的场景）
4、维表Join（分同步和异步两种方式，可以查询数据库数据，补全流中字段信息，例如补全订单用户名场景）
5、Time Window Join（也可以叫做Time Interval Join，即Join条件中，带有时间范围的双流Join，例如订单表和付款表进行补全的场景，付款有1小时时效信息）

4、Join图示

双流Join（条件中未带时间信息）：

维表Join（SQL语句中具有FOR SYSTEM_TIME关键字）：

Time Window Join(条件上带有BETWEEN … AND时间表达式)：

SELECT
o.orderId,
o.productName,
p.payType,
o.orderTime，
cast(payTime as timestamp) as payTime
FROM
Orders AS o JOIN Payment AS p ON
o.orderId = p.orderId AND
p.payTime BETWEEN orderTime AND
orderTime + INTERVAL ‘1’ HOUR

本文重点讨论Time Window Join，其余4种Join类型，后续我们有时间再逐一讨论。

二、创建Time Window Join Function

1、测试用例

在进行源码分析前，我们先引入FLink 1.9.0源码中提供的测试用例，本文后续章节也根据这个用例展开，并附带一些Debug调试数据，来加深对源码的理解：
源码中，WindowJoinITCase#testRowTimeLeftOuterJoin()测用例如下：

class WindowJoinITCase(mode: StateBackendMode) extends StreamingWithStateTestBase(mode) {
  @Test
  def testRowTimeLeftOuterJoin(): Unit = {
    val sqlQuery =
      """
        |SELECT t1.key, t2.id, t1.id
        |FROM T1 AS t1 LEFT OUTER JOIN  T2 AS t2 ON
        | t1.key = t2.key AND
        | t1.rowtime BETWEEN t2.rowtime - INTERVAL '5' SECO