[实时计算flink]双流JOIN语句

Flink SQL支持对动态表进行复杂而灵活的连接操作，本文为您介绍如何使用双流JOIN语句。

背景信息

实时计算的JOIN和传统批处理JOIN的语义一致，都用于将两张表关联起来。区别为实时计算关联的是两张动态表，关联的结果也会动态更新，以保证最终结果和批处理结果一致。

双流JOIN语法

tableReference [, tableReference ]*
| tableExpression [ NATURAL | INNER ] [ { LEFT | RIGHT | FULL } [ OUTER ] ] JOIN tableExpression [ joinCondition ]
| tableExpression CROSS JOIN tableExpression
| tableExpression [ CROSS | OUTER ] APPLY tableExpression

joinCondition:
ON booleanExpression
| USING '(' column [, column ]* ')'

• tableReference：表名称。

• tableExpression：表达式。

• joinCondition：JOIN条件。

双流JOIN hints

从实时计算引擎VVR 8.0.1 开始，您可以通过提示（Hints）单独为双流JOIN的左右流状态设置不同生命周期 (TTL)来减少维护的状态大小。

• 语法

  -- VVR 8.0.1 开始
  SELECT /*+ JOIN_STATE_TTL('tableReference1' = 'ttl1' [, 'tableReference2' = 'ttl2']*) */ ...
  
  -- VVR 8.0.7 开始，您也可以使用社区的Join State TTL Hint语法
  SELECT /*+ STATE_TTL('tableReference1' = 'ttl1' [, 'tableReference2' = 'ttl2']*) */ ...

• 注意事项

  • JOIN STATE TTL HINT仅支持在双流JOIN场景使用，不支持维表JOIN、Interval Join或Window Join。

  • 若双流JOIN时JOIN STATE TTL HINT仅指定某一条流的在JOIN节点的状态生命周期，则另外一条流的状态生命周期使用Flink SQL作业级别的状态生命周期，由table.exec.state.ttl控制（参见基本配置），默认值为1.5天。

  • tableReference支持表名，视图名和别名，一旦为表名指定别名时，则需使用别名。

  • 这是一个实验性质的特性，HINT语法未来可能会发生变化。

• 示例

  -- HINT使用别名
  SELECT /*+ JOIN_STATE_TTL('o' = '3d', 'p' = '1d') */
    o.rowtime, o.productid, o.orderid, o.units, p.name, p.unitprice
    FROM Orders AS o
    JOIN Products AS p
  ON o.productid = p.productid;
  -- VVR 8.0.7及以上版本也可以使用新语法
  SELECT /*+ STATE_TTL('o' = '3d', 'p' = '1d') */
    o.rowtime, o.productid, o.orderid, o.units, p.name, p.unitprice
    FROM Orders AS o
    JOIN Products AS p
  ON o.productid = p.productid;
  
  -- HINT使用表名
  SELECT /*+ JOIN_STATE_TTL('Orders' = '3d', 'Products' = '1d') */ *
    FROM Orders
    JOIN Products
  ON Orders.productid = Products.productid;
  -- VVR 8.0.7及以上版本也可以使用新语法
  SELECT /*+ STATE_TTL('Orders' = '3d', 'Products' = '1d') */ *
    FROM Orders
    JOIN Products
  ON Orders.productid = Products.productid;
  
  -- HINT使用视图名
  CREATE TEMPORARY VIEW v AS
  SELECT id, ...
  	FROM (
  		SELECT id, ROW_NUMBER() OVER (PARTITION BY ... ORDER BY ..) AS rn
  		FROM src1
  		WHERE ...
  	) tmp
  WHERE rn = 1;
  	
  SELECT /*+ JOIN_STATE_TTL('v' = '1d', 'b' = '3d') */ v.* , b.*
  FROM v
  LEFT JOIN src2 AS b ON v.id = b.id;
  -- VVR 8.0.7及以上版本也可以使用新语法
  SELECT /*+ STATE_TTL('v' = '1d', 'b' = '3d') */ v.* , b.*
  FROM v
  LEFT JOIN src2 AS b ON v.id = b.id;

Orders JOIN Products表的数据示例

• 测试数据

  表 1. Orders

  rowtime	productid	orderid	units
  10:17:00	30	5	4
  10:17:05	10	6	1
  10:18:05	20	7	2
  10:18:07	30	8	20
  11:02:00	10	9	6
  11:04:00	10	10	1
  11:09:30	40	11	12
  11:24:11	10	12	4

  表 2. Products

  productid	name	unitprice
  30	Cheese	17
  10	Beer	0.25
  20	Wine	6
  30	Cheese	17
  10	Beer	0.25
  10	Beer	0.25
  40	Bread	100
  10	Beer	0.25

• 测试语句

  SELECT o.rowtime, o.productid, o.orderid, o.units, p.name, p.unitprice
    FROM Orders AS o
    JOIN Products AS p
  ON o.productid = p.productid;

• 测试结果

  o.rowtime	o.productid	o.orderid	o.units	p.name	p.unitprice
  10:17:00	30	5	4	Cheese	17.00
  10:17:00	30	5	4	Cheese	17.00
  10:17:05	10	6	1	Beer	0.25
  10:17:05	10	6	1	Beer	0.25
  10:17:05	10	6	1	Beer	0.25
  10:17:05	10	6	1	Beer	0.25
  10:18:05	20	7	2	Wine	6.00
  10:18:07	30	8	20	Cheese	17.00
  10:18:07	30	8	20	Cheese	17.00
  11:02:00	10	9	6	Beer	0.25
  11:02:00	10	9	6	Beer	0.25
  11:02:00	10	9	6	Beer	0.25
  11:02:00	10	9	6	Beer	0.25
  11:04:00	10	10	1	Beer	0.25
  11:04:00	10	10	1	Beer	0.25
  11:04:00	10	10	1	Beer	0.25
  11:04:00	10	10	1	Beer	0.25
  11:09:30	40	11	12	Bread	100.00
  11:24:11	10	12	4	Beer	0.25
  11:24:11	10	12	4	Beer	0.25
  11:24:11	10	12	4	Beer	0.25
  11:24:11	10	12	4	Beer	0.25

datahub_stream1 JOIN datahub_stream2表的数据示例

• 测试数据

  表 3. datahub_stream1

  a（BIGINT）	b（BIGINT）	c（VARCHAR）
  0	10	test11
  1	10	test21

  表 4. datahub_stream2

  a（BIGINT）	b（BIGINT）	c（VARCHAR）
  0	10	test11
  1	10	test21
  0	10	test31
  1	10	test41

• 测试语句

  SELECT s1.c,s2.c 
  FROM datahub_stream1 AS s1
  JOIN datahub_stream2 AS s2 
  ON s1.a = s2.a
  WHERE s1.a = 0;    

• 测试结果

  s1.c（VARCHAR）	s2.c（VARCHAR）
  test11	test11
  test11	test31