目录
对于离线计算、批处理,join操作比较好理解,可以参考文章 hive 各种 join (left outer join、join、full outer join)。但是数据流的join和离线join是有差异的,流是无限的,没有边界的。目前Flink Sql有四种join方式。
一、常规join
需要将所有的历史记录存放到state中,所有历史数据都参与join。对于新增的记录或者是原有记录的更新操作,join两边的表都是可见的,也就是说要和所有的记录进行关联计算。比如左表A新增一条记录,那么这条记录要和右表所有记录进行关联(历史数据、未来的数据)。
缺点:state会无限增大。
SELECT * FROM tableA
INNER JOIN tableB
ON tableA.id = tableB.id
二、时间窗口join
由于常规join的状态会无限增大,那么限制只join一段时间的数据,这就是时间窗口join。Flink会从state中删除过期的数据。
SELECT *
FROM
Orders o,
Shipments s
WHERE o.id = s.orderId AND
o.ordertime BETWEEN s.shiptime - INTERVAL '4' HOUR AND s.shiptime
三、时态表join
时态表可以是一张跟踪所有变更记录的表(例如数据库表的 changelog,包含多个表快照),也可以是物化所有变更之后的表(例如数据库表,只有最新表快照)。
时态表 Join 的语法如下:
SELECT [column_list]
FROM table1 [AS <alias1>]
[LEFT] JOIN table2 FOR SYSTEM_TIME AS OF table1.{ proctime | rowtime } [AS <alias2>]
ON table1.column-name1 = table2.