flink 的interval join源码分析

interval join 理解

Window Join 的一个局限是关联的两个数据流必须在同样的时间窗口中。但有些时候，我们希望在一个数据流中的消息到达时，在另一个数据流的一段时间内去查找匹配的元素。更确切地说，如果数据流 b 中消息到达时，我们希望在数据流 a 中匹配的元素的时间范围为 a.timestamp + lowerBound <= b.timestamp <= a.timestamp + upperBound；同样，对数据流 a 中的消息也是如此。在这种情况，就可以使用 Interval Join。具体的用法如下

其中a流 就是我们所说的左面的流，而b流就是我们所说的右边的流

具体的例子为：
orangeStream.keyBu().intervalJoin(greenStream.keyBy（）)
.between(Time.milliseconds(-2),Time.milliseconds(1))
.process(。。。。。。)

其后他们join的具体实例（图）

注意：理解左流和右流的区别。和process 之前 左流由于 右流时间范围内存在多条join成功的数据。所以process 可能处理数据为多条
面向 KeyedStream 基于 eventTime 的 join，对拥有相同key且 事件时间处于 lowerBoundTime 和 upperBoundTime之间的元素进行join。
默认为闭合时间区间，即

orangeE