介绍一下双流join、区间join、时态join

### 双流 Join 双流 Join 是指两个动态表之间的连接操作，在实时计算框架（如 Apache Flink）中非常常见。它允许将两条独立的流按照某种逻辑进行关联，从而形成新的数据流。这种 Join 操作通常依赖于时间语义（事件时间和处理时间），并可以通过不同的算子实现。 #### 实现方式 - **DataStream API**: 使用 `KeyedStream#intervalJoin` 方法完成 Interval Join 的功能[^1]。 - **SQL API**: 提供更高级别的抽象语法，通过 SQL 查询的方式表达复杂的 Join 逻辑。 --- ### 区间 Join (Interval Join) 区间 Join 是一种特殊的 Join 类型，用于匹配发生在特定时间段内的记录对。它的特点是需要指定一个时间范围作为约束条件，只有满足该时间范围的记录才会被保留下来。 #### 特点 - 至少有一个等值条件（equi-join condition）以及一个时间限定条件。 - 时间范围可以用 `<`, `<=`, `>`, `>=` 或者 `BETWEEN` 表达[^4]。 - 数据必须带有 Watermark 定义以便支持事件时间语义。 #### 实现方式 - **DataStream API**: 调用 `KeyedStream.intervalJoin()` 并传入另一个 KeyedStream 和自定义的时间间隔函数。 - **SQL API**: 利用 `TimeIntervalJoin` 算子执行 Inner/Left/Right Join 操作。 以下是基于 SQL 的示例代码： ```sql SELECT t1.id, t2.value FROM stream1 AS t1 JOIN stream2 AS t2 ON t1.key = t2.key AND t1.event_time BETWEEN t2.event_time - INTERVAL '5' MINUTE AND t2.event_time; ``` --- ### 时态 Join (Temporal Join) 时态 Join 主要应用于历史数据查询场景下，其中一张表代表当前时刻的状态变化过程（称为 Versioned Table）。另一张表则是一些具体的事实记录（Fact Table）。两者通过主键和有效时间戳字段建立联系。 #### 工作原理 - Fact Table 中每条记录都会依据其发生时间找到对应的 Versioned Table 上的有效版本快照[^3]。 - 此种设计特别适合金融交易、用户行为分析等领域的需求。 #### 实现方法 在 Flink SQL 中声明 Versioned Table，并设置 Primary Key 和 Time Attribute 后即可轻松构建此类 Join： ```sql CREATE TABLE versioned_table ( id BIGINT, status STRING, proctime AS PROCTIME(), -- 处理时间属性 PRIMARY KEY(id) NOT ENFORCED ) WITH (...); CREATE TABLE fact_table ( order_id BIGINT, user_id BIGINT, event_time TIMESTAMP(3), WATERMARK FOR event_time AS event_time - INTERVAL '5' SECOND ) WITH (...); -- 执行 Temporal Join SELECT f.order_id, v.status FROM fact_table AS f JOIN versioned_table FOR SYSTEM_TIME AS OF f.proctime AS v ON f.user_id = v.id; ``` --- ### 总结对比 | 加工模式 | 描述 | 关键特性 | |----------------|------------------------------------------------------------------------------------------|-------------------------------------------------------------------| | 双流 Join | 动态表间的通用连接 | 支持多种类型的 Join（Inner/Outer/Cross） | | 区间 Join | 基于时间窗口筛选符合条件的数据 | 需显式设定时间边界 | | 时态 Join | 结合静态维表与动态流水，按需获取某时间节点下的维度信息 | 维护历史版本化数据 | ---