Flink中的双流Join

news2024/9/19 10:54:51

1. Flink中双流Join介绍

Flink版本	Join支持类型	Join API
1.4	inner	Table/SQL
1.5	inner,left,right,full	Table/SQL
1.6	inner,left,right,full	Table/SQL/DataStream

Join大体分为两种：Window Join 和 Interval Join 两种。

Window Join又可以根据Window的类型细分为3种：

Tumbling Window Join、Sliding Window Join、Session Window Join。

Windows类型的join都是利用state存储数据再处理，区别在于state中的数据有失效机制，依靠数据触发数据清理；所以实际开发注意状态的过期时间，免得关联不到数据

目前Stream join的结果是数据的笛卡尔积；

2. Window Join

将两条实时流中元素分配到一个时间窗口中完成 Join

Tumbling Window Join（滚动窗口）

执行翻滚窗口联接时，具有公共键和公共翻滚窗口的所有元素将作为成对组合联接，并传递给JoinFunction或FlatJoinFunction。因为它的行为类似于内部连接，所以一个流中的元素在其滚动窗口中没有来自另一个流的元素，因此不会被发射！
如图所示，我们定义了一个大小为2毫秒的翻滚窗口，结果窗口的形式为[0,1]、[2,3]、。。。。该图显示了每个窗口中所有元素的成对组合，这些元素将传递给JoinFunction。注意，在翻滚窗口[6,7]中没有发射任何东西，因为绿色流中不存在与橙色元素⑥和⑦结合的元素。

Sliding Window Join（滑动窗口）

在执行滑动窗口联接时，具有公共键和公共滑动窗口的所有元素将作为成对组合联接，并传递给JoinFunction或FlatJoinFunction。在当前滑动窗口中，一个流的元素没有来自另一个流的元素，则不会发射！请注意，某些元素可能会连接到一个滑动窗口中，但不会连接到另一个滑动窗口中！
在本例中，我们使用大小为2毫秒的滑动窗口，并将其滑动1毫秒，从而产生滑动窗口[-1，0]，[0,1]，[1,2]，[2,3]…。x轴下方的连接元素是传递给每个滑动窗口的JoinFunction的元素。在这里，您还可以看到，例如，在窗口[2,3]中，橙色②与绿色③连接，但在窗口[1,2]中没有与任何对象连接。

Session Window Join（会话窗口）

在执行会话窗口联接时，具有相同键（当“组合”时满足会话条件）的所有元素以成对组合方式联接，并传递给JoinFunction或FlatJoinFunction。同样，这执行一个内部连接，所以如果有一个会话窗口只包含来自一个流的元素，则不会发出任何输出！
在这里，我们定义了一个会话窗口连接，其中每个会话被至少1ms的间隔分割。有三个会话，在前两个会话中，来自两个流的连接元素被传递给JoinFunction。在第三个会话中，绿色流中没有元素，所以⑧和⑨没有连接！

两条流数据按照关联主键在这三种窗口内进行inner join，底层基于State存储，并支持处理时间和事件时间两种特征

3. Interval Join

Window Join必须要在一个Window中进行JOIN，那如果没有Window如何处理呢？
interval join根据右流相对左流偏移的时间区间(interval)作为关联窗口，在偏移区间窗口中完成join。

也是使用相同的key来join两个流（流A、流B),并且流B中的元素中的时间戳，和流A元素的时间戳，有一个时间间隔。

条件：

a.timestamp + lowerBound <= b.timestamp <= a.timestamp + upperBound

也就是

流B的元素的时间戳 >= 流A的元素时间戳 + 下界,且,流B的元素的时间戳<=流A的元素时间戳+上界

在上面的示例中，我们将两个流“orange”和“green”连接起来，其下限为-2毫秒，上限为+1毫秒。默认情况下，这些边界是包含的，但是可以应用.lowerBoundExclusive（）和.upperBoundExclusive来更改行为.
orangeElem.ts + lowerBound <= greenElem.ts <= orangeElem.ts + upperBound