Flink join 不同join案例介绍和总结

1. Regular Join

类似与普通的两张表关联，当左右表任何一张表有数据变化时，最终关联的结果会进行更新，如这篇文章里面的示例图：

SELECT id, price, name FROM Price_Table A
Left Outer JOIN Name_Table B
ON A.id = B.id

①–⑥号输入数据，代表随时间增加，按顺序输入事件到左、右侧流。
①–⑥号输入数据，可以对应到最右侧Join后输出数据，-号代表回撤，+号代表最新数据
输入数据会更新左、右侧状态数据(内部一般都是MapState实现，如果当前侧为Outer，还会存储引用数，用于计算回撤)

---

2. 流和维表join

维表Join（SQL语句中具有FOR SYSTEM_TIME关键字）。维表Join（分同步和异步两种方式，可以查询维表数据库数据，补全流中字段信息，例如补全订单用户名场景）

---

3. Time Window Join

参考资料：Apache Flink 漫谈系列(12) - Time Interval(Time-windowed) JOIN-阿里云开发者社区

Flink intervalJoin 使用与原理分析_张普的专栏-CSDN博客

可实现两个流之间跨窗口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。（不用一直保留state，可以将无效过时的state清理掉；unbounded join则不会清理历史state，因此 time interval join比unbounded join更高效）。

unbounded join和time interval join都可以实现双流join。区别是time interval join会清理无效的state。

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

---

5. 参考资料

FLink 源码分析--（三）Time Window Join_LS_ice的专栏-CSDN博客

Apache Flink 漫谈系列(12) - Time Interval(Time-windowed) JOIN-阿里云开发者社区

https://developer.aliyun.com/article/683681