[实时计算flink]双流JOIN语句

Flink SQL支持对动态表进行复杂而灵活的连接操作，本文为您介绍如何使用双流JOIN语句。

背景信息

实时计算的JOIN和传统批处理JOIN的语义一致，都用于将两张表关联起来。区别为实时计算关联的是两张动态表，关联的结果也会动态更新，以保证最终结果和批处理结果一致。

双流JOIN语法

tableReference [, tableReference ]*
| tableExpression [ NATURAL | INNER ] [ { LEFT | RIGHT | FULL } [ OUTER ] ] JOIN tableExpression [ joinCondition ]
| tableExpression CROSS JOIN tableExpression
| tableExpression [ CROSS | OUTER ] APPLY tableExpression

joinCondition:
ON booleanExpression
| USING '(' column [, column ]* ')'

• tableReference：表名称。

• tableExpression：表达式。

• joinCondition：JOIN条件。

双流JOIN hints

从实时计算引擎VVR 8.0.1 开始，您可以通过提示（Hints）单独为双流JOIN的左右流状态设置不同生命周期 (TTL)来减少维护的状态大小。

• 语法

  -- VVR 8.0.1 开始
  SELECT /*+ JOIN_STATE_TTL('tableReference1' = 'ttl1' [, 'tableReference2' = 'ttl2']*) */ ...
  
  -- VVR 8.0.7 开始，您也可以使用社区的Join State TTL Hint语法
  SELECT /*+ STATE_TTL('tableReference1' = 'ttl1' [, 'tableReference2' = 'ttl2']*) */ ...

• 注意事项

  • JOIN STATE TTL HINT仅支持在双流JOIN场景使用，不支持维表JOIN、Interval Join或Window Join。

  • 若双流JOIN时JOIN STATE TTL HINT仅指定某一条流的在JOIN节点的状态生命周期，则另外一条流的状态生命周期使用Flink SQL作业级别的状态生命周期，由table.exec.state.ttl控制（参见基本配置），默认值为1.5天。

  • tableReference支持表名，视图名和别名，一旦为表名指定别名时，则需使用别名。

  • 这是一个实验性质的特性，HINT语法未来可能会发生变化。

• 示例

  -- HINT使用别名
  SELECT /*+ JOIN_STATE_TTL('o' = '3d', 'p' = '1d') */
    o.rowtime, o.productid, o.orderid, o.units, p.name, p.unitprice
    FROM Orders AS o
    JOIN Products AS p
  ON o.productid = p.productid;
  -- VVR 8.0.7及以上版本也可以使用新语法
  SELECT /*+ STATE_TTL('o' = '3d', 'p' = '1d') */
    o.rowtime, o.productid, o.orderid, o.units, p.name, p.unitprice
    FROM Orders AS o
    JOIN Products AS p
  ON o.productid = p.productid;
  
  -- HINT使用表名
  SELECT /*+ JOIN_STATE_TTL('Orders' = '3d', 'Products' = '1d') */ *
    FROM Orders
    JOIN Products
  ON Orders.productid = Products.productid;
  -- VVR 8.0.7及以上版本也可以使用新语法
  SELECT /*+ STATE_TTL('Orders' = '3d', 'Products' = '1d') */ *
    FROM Orders
    JOIN Products
  ON Orders.productid = Products.productid;
  
  -- HINT使用视图名
  CREATE TEMPORARY VIEW v AS
  SELECT id, ...
  	FROM (
  		SELECT id, ROW_NUMBER() OVER (PARTITION BY ... ORDER BY ..) AS rn
  		FROM src1
  		WHERE ...
  	) tmp
  WHERE rn = 1;
  	
  SELECT /*+ JOIN_STATE_TTL('v' = '1d', 'b' = '3d') */ v.* , b.*
  FROM v
  LEFT JOIN src2 AS b ON v.id = b.id;
  -- VVR 8.0.7及以上版本也可以使用新语法
  SELECT /*+ STATE_TTL('v' = '1d', 'b' = '3d') */ v.* , b.*
  FROM v
  LEFT JOIN src2 AS b ON v.id = b.id;

Orders JOIN Products表的数据示例

• 测试数据

  表 1. Orders

  |-------------|---------------|-------------|-----------|
  | rowtime | productid | orderid | units |
  | 10:17:00 | 30 | 5 | 4 |
  | 10:17:05 | 10 | 6 | 1 |
  | 10:18:05 | 20 | 7 | 2 |
  | 10:18:07 | 30 | 8 | 20 |
  | 11:02:00 | 10 | 9 | 6 |
  | 11:04:00 | 10 | 10 | 1 |
  | 11:09:30 | 40 | 11 | 12 |
  | 11:24:11 | 10 | 12 | 4 |

  表 2. Products

  |---------------|----------|---------------|
  | productid | name | unitprice |
  | 30 | Cheese | 17 |
  | 10 | Beer | 0.25 |
  | 20 | Wine | 6 |
  | 30 | Cheese | 17 |
  | 10 | Beer | 0.25 |
  | 10 | Beer | 0.25 |
  | 40 | Bread | 100 |
  | 10 | Beer | 0.25 |

• 测试语句

  SELECT o.rowtime, o.productid, o.orderid, o.units, p.name, p.unitprice
    FROM Orders AS o
    JOIN Products AS p
  ON o.productid = p.productid;

• 测试结果

  |---------------|-----------------|---------------|-------------|------------|-----------------|
  | o.rowtime | o.productid | o.orderid | o.units | p.name | p.unitprice |
  | 10:17:00 | 30 | 5 | 4 | Cheese | 17.00 |
  | 10:17:00 | 30 | 5 | 4 | Cheese | 17.00 |
  | 10:17:05 | 10 | 6 | 1 | Beer | 0.25 |
  | 10:17:05 | 10 | 6 | 1 | Beer | 0.25 |
  | 10:17:05 | 10 | 6 | 1 | Beer | 0.25 |
  | 10:17:05 | 10 | 6 | 1 | Beer | 0.25 |
  | 10:18:05 | 20 | 7 | 2 | Wine | 6.00 |
  | 10:18:07 | 30 | 8 | 20 | Cheese | 17.00 |
  | 10:18:07 | 30 | 8 | 20 | Cheese | 17.00 |
  | 11:02:00 | 10 | 9 | 6 | Beer | 0.25 |
  | 11:02:00 | 10 | 9 | 6 | Beer | 0.25 |
  | 11:02:00 | 10 | 9 | 6 | Beer | 0.25 |
  | 11:02:00 | 10 | 9 | 6 | Beer | 0.25 |
  | 11:04:00 | 10 | 10 | 1 | Beer | 0.25 |
  | 11:04:00 | 10 | 10 | 1 | Beer | 0.25 |
  | 11:04:00 | 10 | 10 | 1 | Beer | 0.25 |
  | 11:04:00 | 10 | 10 | 1 | Beer | 0.25 |
  | 11:09:30 | 40 | 11 | 12 | Bread | 100.00 |
  | 11:24:11 | 10 | 12 | 4 | Beer | 0.25 |
  | 11:24:11 | 10 | 12 | 4 | Beer | 0.25 |
  | 11:24:11 | 10 | 12 | 4 | Beer | 0.25 |
  | 11:24:11 | 10 | 12 | 4 | Beer | 0.25 |

datahub_stream1 JOIN datahub_stream2表的数据示例

• 测试数据

  表 3. datahub_stream1

  |---------------|---------------|----------------|
  | a（BIGINT） | b（BIGINT） | c（VARCHAR） |
  | 0 | 10 | test11 |
  | 1 | 10 | test21 |

  表 4. datahub_stream2

  |---------------|---------------|----------------|
  | a（BIGINT） | b（BIGINT） | c（VARCHAR） |
  | 0 | 10 | test11 |
  | 1 | 10 | test21 |
  | 0 | 10 | test31 |
  | 1 | 10 | test41 |

• 测试语句

  SELECT s1.c,s2.c 
  FROM datahub_stream1 AS s1
  JOIN datahub_stream2 AS s2 
  ON s1.a = s2.a
  WHERE s1.a = 0;    

• 测试结果

  |-------------------|-------------------|
  | s1.c（VARCHAR） | s2.c（VARCHAR） |
  | test11 | test11 |
  | test11 | test31 |