但在真实业务里，单条流上的聚合往往只是第一步，更常见的需求是把多条业务流关联起来一起看，例如：

订单与支付关联：找出已下单但未支付、支付失败等情况

两条都是事实流（不断追加的新事件）

需要在时间范围内去匹配事件（谁先发生、允许多长时间内匹配）

JOIN，一定绕不开时间字段和水位线（Watermark）。

id="二flink-中常见的-join-类型">二、Flink

JOIN

id="安装-flink-kafka-sql-connector">安装

Flink

https://repo1.maven.org/maven2/org/apache/flink/flink-sql-connector-kafka/3.4.0-1.20/flink-sql-connector-kafka-3.4.0-1.20.jar

orders：订单流

payments：支付流

'orders','properties.bootstrap.servers'

'127.0.0.1:9092','properties.group.id'

'flink-orders','scan.startup.mode'

'json','json.timestamp-format.standard'

'ISO-8601'

'payments','properties.bootstrap.servers'

'127.0.0.1:9092','properties.group.id'

'flink-payments','scan.startup.mode'

'json','json.timestamp-format.standard'

'ISO-8601'

id="使用-kafka-console-producer-造测试数据">使用

Kafka

class="language-bash">bin/kafka-console-producer.sh

--bootstrap-server

class="language-json">{"order_id":"o_1","user_id":"u_1","order_amount":100.00,"order_time":"2026-02-16T14:41:00Z"}

{"order_id":"o_2","user_id":"u_2","order_amount":200.00,"order_time":"2026-02-16T14:42:00Z"}

{"order_id":"o_3","user_id":"u_1","order_amount":150.00,"order_time":"2026-02-16T14:45:00Z"}

class="language-bash">bin/kafka-console-producer.sh

--bootstrap-server

class="language-json">{"pay_id":"p_1","order_id":"o_1","pay_amount":100.00,"pay_time":"2026-02-16T14:41:00Z"}

{"pay_id":"p_2","order_id":"o_2","pay_amount":200.00,"pay_time":"2026-02-16T14:42:00Z"}

id="四基于时间条件的普通双流-join">四、基于时间条件的普通双流

JOIN

先来看最直观的一种写法：同时指定「关联键」和「时间范围」。

需求：统计订单在下单后

class="language-sql">SELECTo.order_id,o.user_id,o.order_amount,o.order_time,p.pay_id,p.pay_amount,p.pay_time
FROM
data-src="https://img2024.cnblogs.com/blog/3365149/202602/3365149-20260216164531339-1065667811.png"
这里有几点非常关键：
p.order_id：以订单号作为两条流的业务主键
pay_time
使用事件时间字段配合水位线，可以在保证计算正确性的前提下控制状态大小，并处理一定范围内的迟到数据
如果你希望保留那些下单了但超时未支付的记录，可以将上面的
JOIN
id="五interval-join显式时间区间的双流-join">五、Interval
JOIN

class="language-sql">SELECTo.order_id,o.order_time,p.pay_id,p.pay_time

FROM

id="六迟到数据与状态清理">六、迟到数据与状态清理

在流式

中，最容易被忽略但又非常重要的一点就是：状态会不断累积。

Flink

原文来自:http://blog.daimajiangxin.com.cn