双流JOIN：两条流怎么关联到一起

订单流：[order_id, user_id, order_time]
点击流：[click_id, user_id, click_time]

需求：订单前后5分钟内有点击行为的，关联在一起

orderStream.keyBy(o -> o.getUserId())
    .intervalJoin(clickStream.keyBy(c -> c.getUserId()))
    .between(Time.minutes(-5), Time.minutes(5))  // 前后5分钟
    .process(new ProcessJoinFunction<Order, Click, Result>() {
        @Override
        public void processElement(Order order, Click click, Context ctx, Collector<Result> out) {
            out.collect(new Result(order, click));
        }
    });

时间线：
click_time ---|--------订单时间--------|--- click_time
          order_time-5min    order_time   order_time+5min

只有click_time落在这个范围内才能匹配上
超过范围的数据自动从State中清除 → State不会无限增长

我在广告归因里用Interval Join：用户点击广告后30分钟内的下单行为关联到这次点击。between(-0, Time.minutes(30))——点击之后30分钟内的订单才算归因成功。

Window Join

// 两条流在同一个5分钟窗口内做JOIN
orderStream.join(payStream)
    .where(o -> o.getOrderId())
    .equalTo(p -> p.getOrderId())
    .window(TumblingEventTimeWindows.of(Time.minutes(5)))
    .apply(new JoinFunction<Order, Payment, Result>() {
        @Override
        public Result join(Order order, Payment payment) {
            return new Result(order, payment);
        }
    });

缺点：如果订单在窗口最后1秒到达，支付在下一个窗口第1秒到达，就关联不上。对时间对齐要求高。

Regular Join（Flink SQL）

-- Flink SQL的Regular Join
SELECT o.order_id, o.amount, p.pay_time
FROM orders o
JOIN payments p ON o.order_id = p.order_id;

-- 问题：两条流的State会无限增长！
-- 必须设State TTL
SET 'table.exec.state.ttl' = '1h';  -- 1小时后自动清理

💡 Regular Join是面试陷阱题。 面试官问你Flink SQL两张表JOIN怎么写，很简单。但追问State怎么管理——如果你不提TTL，说明你没在生产用过。

State管理是核心

JOIN类型	State大小	清理机制
Interval Join	有限（时间范围内）	超过时间范围自动清理
Window Join	有限（窗口内）	窗口结束自动清理
Regular Join	无限增长	必须手动设TTL

面试加分提示

💡 场景+选型+State管理：

「双流JOIN有三种方式。Interval Join最常用，指定时间范围内匹配，State自动清理。Window Join要求两条流时间对齐。Regular Join最灵活但State无限增长，必须配TTL。

我做广告归因用Interval Join：点击后30分钟内的订单关联到这次点击。State自动清理超过30分钟的数据，不用担心膨胀。」

📌 总结

记忆点	内容
核心难点	两条流数据到达时间不确定
Interval Join	指定时间范围匹配，State自动清理（推荐）
Window Join	同窗口匹配，时间对齐要求高
Regular Join	灵活但State无限增长，必须设TTL
面试关键	讲清楚State管理机制

▶ 下一篇预告：DAY 17 迟到数据处理

---

Wood聊大数据 | 9年大数据老兵，聊技术、聊职场、聊成长

---

小红书正文

双流JOIN是Flink面试高频题，但大部分人只会写SQL不会讲State管理。

三种方式：① Interval Join——指定时间范围匹配，State自动清理（推荐）② Window Join——同窗口匹配，时间对齐要求高 ③ Regular Join——最灵活但State无限增长，必须设TTL。

面试陷阱：Flink SQL两张表JOIN很简单，追问State怎么管理才是关键。不提TTL=没在生产用过。

我做广告归因用Interval Join：点击后30分钟内的订单才算归因。State自动清理过期数据，不会膨胀。