FlinkSQL流表与维表join 和 双流join

维表是数仓中的一个概念，维表中的维度属性是观察数据的角度，补充事实表的信息。在实时数仓中，同样也有维表与事实表的概念，其中事实表通常为kafka的实时流数据，维表通常存储在外部设备中(比如MySQL，HBase)。对于每条流式数据，可以关联一个外部维表数据源，为实时计算提供数据关联查询。维表可能是会不断变化的，在维表JOIN时，需指明这条记录关联维表快照的时刻。
本文主要介绍

• 1、流表和维表的区别
• 2、流表和维表join的数据流转解析
• 3、双流join的数据流转解析
• 4、代码示例和场景

1、流表和维表的区别：

流表：实时流数据映射成的表，在join查询中，每来一条数据都会主动去维表中查询是否有匹配的数据

维表：维度信息表，一般在外部存储（Redis，Mysql中）维表是被动查询的，目前Flink SQL的维表JOIN仅支持对当前时刻维表快照的关联

2、流表和维表join：

3、流表和流表关联（双流jion）：

4、代码示例（FlinkSQL）

流表和维表join
场景：
流表是用户的行为数据，记录用户学习内容，学习时长等信息
维表是学生信息数据（姓名，手机号）
如果cpt表有一条实时流数据A同学的学习记录过来，此时student表还没有这个学生的信息，获取到的姓名和手机号就是null。当student表更新有A的信息，后续的实时流数据能关联获取到A的姓名和手机号，但是student表更新之前的实时流数据依旧是获取不到的（这点需要注意）

sql
创建kafka数据源，流表
table_env.execute_sql(
     CREATE TABLE cpt(
          content_id string,
          student_uid string,
          course_id string,
          content_type int,
          study_time bigint,
          chapter_id string,
          section_id string,
          progress int,
          updated_at string,
          created_at string,
          playback_time int,
          ptime AS PROCTIME()
        ) WITH (
          'connector' = 'kafka',
          'topic' = 'stream_content_study_progress',
          'properties.bootstrap.servers' = 'localhost:9092',
          'properties.group.id' = 't1',
          'scan.startup.mode'='earliest-offset',
          'format' = 'json'
        )

创建Redis维表
table_env.execute_sql(
   create table student(
       uid string,
       mobile string,
       name string,
       PRIMARY KEY (uid) NOT ENFORCED
      )with(
      'connector'='redis',
      'ip'='localhost',
      'password'='',
      'port'='6379',
      'table'='user',
      'database'='1'
      )

流表和维表join
table_env.execute_sql(
    insert into res
    select
        t.student_uid as uid,
        student.mobile as mobile,
        t.course_id as courseId,
        t.study_time as viewingTime,
        unix_timestamp(t.updated_at)*1000 as updateTime,
    from cpt as t 
    left join student  for system_time as of t.ptime on t.student_uid=student.uid
)

流表和流表join
场景：上面描述的场景，通过双流join能很好的解决。两个都是流表，两个表当中的任何一个表来数据时，都会去另一个表中查询是否有匹配的数据（包含历史）

table_env.execute_sql(
      CREATE TABLE cpt(
          content_id string,
          student_uid string,
          course_id string,
          content_type int,
          study_time bigint,
          chapter_id string,
          section_id string,
          progress int,
          updated_at string,
          created_at string,
          playback_time int,
          ptime AS PROCTIME()
        ) WITH (
          'connector' = 'kafka',
          'topic' = 'stream_content_study_progress',
          'properties.bootstrap.servers' = 'localhost:9092',
          'properties.group.id' = 't1',
          'scan.startup.mode'='earliest-offset',
          'format' = 'json'
        )

创建流表，其实是维度表
table_env.execute_sql(
    create table student(
       uid string,
       mobile string,
       name string,
       PRIMARY KEY (uid) NOT ENFORCED
      )with(
     'connector' = 'kafka',
          'topic' = 'stream_student',
          'properties.bootstrap.servers' = 'localhost:9092',
          'properties.group.id' = 't1',
          'scan.startup.mode'='earliest-offset',
          'format' = 'json'
      )

双流join
table_env.execute_sql(
    insert into res
    select
        t.student_uid as uid,
        student.mobile as mobile,
        t.course_id as courseId,
        t.study_time as viewingTime,
        unix_timestamp(t.updated_at)*1000 as updateTime,
    from cpt as t 
    left join student  t.student_uid=student.uid

)