Realtime Compute for Apache Flink：雙流JOIN語句

背景資訊

Realtime Compute的JOIN和傳統批處理JOIN的語義一致，都用於將兩張表關聯起來。區別為Realtime Compute關聯的是兩張動態表，關聯的結果也會動態更新，以保證最終結果和批處理結果一致。

雙流JOIN文法

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：表名稱。

• tableExpression：運算式。

• joinCondition：JOIN條件。

雙流JOIN hints

從Realtime Compute引擎VVR 8.0.1 開始，您可以通過提示（Hints）單獨為雙流JOIN的左右流狀態設定不同生命週期 (TTL)來減少維護的狀態大小。

• 文法

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

• 注意事項

  • JOIN STATE TTL HINT僅支援在雙流JOIN情境使用，不支援維表JOIN、Interval Join或Window Join。

  • 若雙流JOIN時JOIN STATE TTL HINT僅指定某一條流的在JOIN節點的狀態生命週期，則另外一條流的狀態生命週期使用Flink SQL作業層級的狀態生命週期，由table.exec.state.ttl控制（參見基本配置），預設值為1.5天。

  • tableReference支援表名，視圖名和別名，一旦為表名指定別名時，則需使用別名。

  • 這是一個實驗性質的特性，HINT文法未來可能會發生變化。

• 樣本

  -- HINT使用別名
  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文法
  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文法
  SELECT /*+ STATE_TTL('Orders' = '3d', 'Products' = '1d') */ *
    FROM Orders
    JOIN Products
  ON Orders.productid = Products.productid;
  
  -- HINT使用視圖名
  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文法
  SELECT /*+ STATE_TTL('v' = '1d', 'b' = '3d') */ v.* , b.*
  FROM v
  LEFT JOIN src2 AS b ON v.id = b.id;

Orders JOIN Products表的資料樣本

• 測試資料

  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

• 測試語句

  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;

• 測試結果

  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表的資料樣本

• 測試資料

  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

• 測試語句

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

• 測試結果

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