最近业务上使用blink进行清洗数据，使用到了双流join和维表join，今天有同学问我流join和维表join有什么区别。在此我做个简单的说明，描述不对的地方，欢迎大家纠正，后面补充。

流式计算过程中常见的需求是为数据流去补充字段。我们需要补充字段通常会在另一个流中，或者在一个动态表中（一张不断变化的表，静态表可以理解为它的特例）。在另一个流中，这个比较适合于使用流join，例于补齐包裹表中的包裹明细信息。在一个静态表中，使用维表join要更好些，例如包裹明细关联商品明细表去得到商品体积和重量。

流join

流join比较简单，它是两个流之间的join，和传统批上join一样，都是两张表之间的join（table a join table b on a.x=b.x）。具体如何流join语法，这里不做细说，可以查看官方文档。这里主要从下面几个问题进行说明。

1、我们在对A 和 B 进行join时，经常会有这样的疑惑。如果A中的数据先到达，B中的数据后到达，会不会形成堵塞，不会的话又是怎样操作的？
这个是不会的，在对A进行JOIN B时，如果B中的数据没有达到，会先把A中的数据保存到checkpoint中去，等待B到达时再进行join。这里需要注意下的是，采用A LEFT JOIN B的话，虽然B没有达到，但是他还是会把结果传递到下一个节点。

2、流中的撤回是如何实现的?是不是所有场景都可以
撤回(retraction)可以理解成传统意义上的更新操作。可以看下面的例子

没有撤回会导致结果不正确。在数据源入口处增加last_value操作就可以实现撤回。

create view table_count as
SELECT 
word,
count(num) AS cnt 
FROM table by word

create view table_lastValue as 
SELECT
word,
last_value(cnt) as cnt
FROM table_count
GROUP BY word;

把上面图片中的SQL改成这样就行了。

SELECT
cnt,
count(word) as freq
FROM table_lastValue 
GROUP BY cnt 

注意： 如果采用的是metaq，并且已经消费了消息，这种情况下是没办法进行撤回的。

维表join

由于维表是一个不断变化的表，如果用传统的join是肯定不行的，因为我们不知道是join的哪一时刻。所以维表join在使用时要指定下的它的join时刻。详细的语法可以查看下官方文档。这里主要阐述下几个注意事项。

1、使用 JOIN 当前维表功能需要注意的是，JOIN行为只发生在处理的时刻（processing time），即使维表中的数据都被删了或者修改，之前JOIN流已经发出的关联上的数据也不会被撤回或改变。
2、维表JOIN的ON条件中一定要包括维表primary key的等值条件，因为需要根据key去查维表
3、在使用维表join时，如果数据量超过百万时，要使用LRU进行缓存，不要使用ALL。

此文章转载于智谨的原创！