[大数据]Flink个人学习整理-join篇（十一）

Flink个人学习整理-join篇（十一）

join算子分为 Window Join 和 Interval Join

Interval Join:每条数据到来后，会扫描上界以及下届时间范围。

orderEventSingleOutputStreamOperator.keyBy(OrderEvent::getTxId)
                .intervalJoin(txEventSingleOutputStreamOperator.keyBy(TxEvent::getTxId))
                //  展示数据的下界和上界，默认为 [-5,10]
                .between(Time.seconds(-5),Time.seconds(10))
                //  不包含下界 -5
                .lowerBoundExclusive()
                //  不包含上界 10
                .upperBoundExclusive()
                //  结果为 （-5，10）
                .process(new ProcessJoinFunction<OrderEvent, TxEvent, Tuple2<OrderEvent,TxEvent>>() {
                    @Override
                    public void processElement(OrderEvent left, TxEvent right, Context ctx, Collector<Tuple2<OrderEvent, TxEvent>> out) throws Exception {
                        out.collect(Tuple2.of(left,right));
                    }
                })
                .print();

注意：
使用Interval Join的方式，做两个流的关联
1、严格校验数据本身
2、相当于Inner join
如果想要实现Left outer join / Right outer join / Full outer join
那么必须使用状态来实现，通过侧输出来控制join实现的方式