Flink Temporal Join 如何关联版本化维表？
本文目录
面试怎么回答
Flink Temporal Join 用事实侧的时间属性关联维表在那个时间点有效的版本。事件时间模式适合历史可复现，需要维表主键、版本时间和正确 Watermark；处理时间 Lookup Join 通常关联外部系统当前值，延迟低但历史回放可能不一致。落地时我会明确时间语义、主键、迟到容忍、状态清理以及外部查询的缓存和限流。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
订单发生时用户是普通会员，第二天升成 VIP。
月底重算报表时，如果永远关联最新维表，历史订单就会被错误地改写成 VIP。
Temporal Join 的核心是用事实流的时间属性，关联维表在那个时间点有效的版本，而不是永远取最新值。
普通流式 Join 为什么会改写语义
普通动态表 Join 会随着两侧输入变化维护结果，状态也可能持续增长。维表更新后，业务往往只希望影响之后到达的事实，或者希望按事实发生时间关联历史版本，而不是让新版本追溯改变已经发生的交易。
事件时间 Temporal Join 关联历史版本
事实表通过 FOR SYSTEM_TIME AS OF 使用自身 Rowtime，去版本化维表中查找该时间点有效的记录。维表需要稳定主键和版本时间，Join 条件要包含主键等值关系。这样订单可以匹配下单时的汇率、商品属性或会员等级。
处理时间与 Lookup Join 关注当前值
使用 Processing Time 的 Lookup Join 常从外部数据库或缓存查询当前维度快照，适合只关心最新值的实时补充。它实现简单，但历史重放时可能得到不同结果；外部系统超时、缓存 TTL、异步并发和限流也会影响稳定性。
Watermark 和迟到数据是正确性边界
事件时间版本需要依靠 Watermark 判断哪些历史版本可以清理。事实或维度变更严重迟到时，匹配版本可能已被清理或记录被判迟到。生产上要同时设计两侧 Watermark、允许延迟、状态保留和迟到补偿。
一个典型场景
汇率表每小时更新，订单流按订单时间折算美元。若用最新汇率 Lookup，任务重启回放昨天订单时会使用今天汇率，结果不可复现。把汇率变更做成带主键与生效时间的版本表，再按订单 Rowtime 做 Temporal Join，历史结果才与事件发生时一致。
参考资料
- Apache Flink Temporal Joins：https://nightlies.apache.org/flink/flink-docs-stable/docs/sql/reference/queries/joins/