事实流需要关联一张在 MySQL 里不断发生 Update 甚至 Delete 的维表，如何利用 Flink SQL 的 Lookup Join 或者 Temporal Table Join 确保拿到的是“事件发生那个时刻”的维表快照数据？

Question

Accepted Answer

这是一个非常经典且核心的流处理场景。 要确保拿到“事件发生那个时刻”的维表快照数据（即严格的 Event-Time 语义，且能处理 Update 和 Delete），标准的 Lookup Join 是无法做到的，必须使用基于 Flink CDC 的 Event-Time Temporal Table Join（事件时间时态表关联）。 下面详细解释为什么，以及具体如何实现。 --- 核心结论对比 1. Lookup Join (外部查找联接) 机制：基于处理时间 (Processing Time)。当事实流的一条数据到达 Flink 时，Flink 发起一个 RPC 请求（如通过 JDBC）去查 MySQL 的当前最新状态。 致命缺陷：如果事实流发生延迟，或者消费堆积，当数据被处理去查 MySQL 时，MySQL 里的维表可能已经被 Update 甚至 Delete 了。你拿到的是“处理时刻”的数据，而不是“事件发生时刻”的数据。 2. Temporal Table Join (时态表联接) 机制：基于事件时间 (Event Time)。利用 Flink CDC 实时抽取 MySQ...