我对在Flink上加入两个流有疑问。我使用了有时需要的两个不同的数据流 加入他们。每个数据流都已标记有唯一的ID，作为这些流之间的连接点。 没有窗口的概念，因此为了连接这两个数据流，我要做 first.connect（second）.keyBy（0,0）。
当我得到正确的结果时，这似乎起作用，但是我的担忧是长期的。我没有明确保留任何 进行联接的运算符（coFlatMap）上的状态，但是如果假设一个流（例如，第一个）提供唯一 id和第二个未能提供连接的id（我想对于那些已经加入的操作员会丢弃任何内部状态）？内存/状态占用空间是否持续增长或存在某种过期机制？
如果是这种情况，我该如何解决这个问题？还是可以建议我另一种方法？
答案 0 :(得分：0)
有几种方法可以实现这种连接。
使用CoProcessFunction。当密钥的第一条记录到达时，您将其存储在状态中，并注册一个在x分钟/小时/天之后触发的计时器。当第二条记录到达时，您将执行联接并清除状态。如果第二条记录未到达，则在计时器触发时将调用onTimer()方法。此时，您可以只清除状态并返回（INNER JOIN语义），也可以转发填充有null值的第一条记录（OUTER JOIN语义），清除状态并返回。计时器用作安全网，以便能够在某些时候消除状态。这取决于您的要求，您要等待多长时间才能等待第二条记录到达。
表API或SQL提供了一个时间窗口联接（Table API，SQL），其工作方式与我在1中所述的类似。区别在于窗口联接实现将尝试连接在连接间隔期间到达的所有记录（即，每个输入流中有多个记录），因此可以使状态保持更长的时间。但是，一旦时间超过了连接间隔，它将清除状态。
Flink 1.6.0（将于2018年8月初发布）将包括一个用于DataStream API的interval join，其作用类似于Table API的窗口联接（相似的逻辑，不同的名称）。与自定义实现相比，状态保持的时间也比自定义实现更长，自定义实现是基于这样的假设，即每个键在每侧仅出现一次。
我会选择方法1，因为它可以提高内存效率，并且仍然相当容易实现。