存储无界流的元素 X 直到 Y 元素到达，然后加入它们
Store an element X of an unbounded stream until the Y element arrives, then join them
我想知道使用Apache Flink是否可以解决以下问题。
假设我有一个包含两个 table 的数据库：“clients”和“orders”。 “orders”table 包含一个名为“client_id_fk”的外键，它引用“ 客户”table，称为“client_id”。现在，假设我捕获了 table 上发生的事件，例如 inserts、updates 和 deletes，我将所有这些传递给一个无界的 Flink DataStream。当事件进入 Flink DataStream 时，它将它们写入另一个存储，例如Apache Kafka 主题。
假设在“clients”里面新增了5条记录：A, B, C, D, E，并且Flink DataStream 以精确的顺序接收这些记录。现在，假设在“orders”中添加了记录O_A，引用A 客户；然后，这个事件也被推送到 Flink DataStream 中。正如我之前所描述的，每个事件到达 DataStream 时都会直接写入 Kafka 主题；我的问题来了：在 Apache Flink 中有没有办法 store 事件 A 直到事件 O_A 到了，然后 join 他们，然后把他们写在 Kafka 主题里面？显然，我知道我必须等待 O_A 才能在主题中写入 A。
回顾一下，Flink DataStream 按以下顺序接收以下事件：
A、B、C、D、E、O_A
当它接收到事件A，而不是将其写入Apache Kafka主题中，它应该存储它并等待事件O_A到了；然后，它加入它们，然后将它们写在主题中。
我提前谢谢大家，是否也可以使用 Java Apache Flink API 编写一个直观的片段来说明如何实现这一点？
是的，这当然可以通过 Flink 实现。使用 DataStream API，您可以通过 client_id 键控客户端流和 client_id_fk 键控订单流，并使用 KeyedCoProcessFunction 连接这两个键控流来实现此目的。在此运算符中，您将使用键控状态来存储客户记录，直到订单到达。
Flink Training from Ververica includes a couple of examples of how to implement a join that is pretty much the same -- you'll those examples here and here, but to better understand them, I recommend starting from the beginning.
我想知道使用Apache Flink是否可以解决以下问题。
假设我有一个包含两个 table 的数据库：“clients”和“orders”。 “orders”table 包含一个名为“client_id_fk”的外键，它引用“ 客户”table，称为“client_id”。现在，假设我捕获了 table 上发生的事件，例如 inserts、updates 和 deletes，我将所有这些传递给一个无界的 Flink DataStream。当事件进入 Flink DataStream 时，它将它们写入另一个存储，例如Apache Kafka 主题。
假设在“clients”里面新增了5条记录：A, B, C, D, E，并且Flink DataStream 以精确的顺序接收这些记录。现在，假设在“orders”中添加了记录O_A，引用A 客户；然后，这个事件也被推送到 Flink DataStream 中。正如我之前所描述的，每个事件到达 DataStream 时都会直接写入 Kafka 主题；我的问题来了：在 Apache Flink 中有没有办法 store 事件 A 直到事件 O_A 到了，然后 join 他们，然后把他们写在 Kafka 主题里面？显然，我知道我必须等待 O_A 才能在主题中写入 A。
回顾一下，Flink DataStream 按以下顺序接收以下事件：
A、B、C、D、E、O_A
当它接收到事件A，而不是将其写入Apache Kafka主题中，它应该存储它并等待事件O_A到了；然后，它加入它们，然后将它们写在主题中。
我提前谢谢大家，是否也可以使用 Java Apache Flink API 编写一个直观的片段来说明如何实现这一点？
是的，这当然可以通过 Flink 实现。使用 DataStream API，您可以通过 client_id 键控客户端流和 client_id_fk 键控订单流，并使用 KeyedCoProcessFunction 连接这两个键控流来实现此目的。在此运算符中，您将使用键控状态来存储客户记录，直到订单到达。
Flink Training from Ververica includes a couple of examples of how to implement a join that is pretty much the same -- you'll those examples here and here, but to better understand them, I recommend starting from the beginning.