flink-流上的join (1.12.2)一、简介本篇主要围绕flink table & sql进行实践。其中文章中大部分内容官方文档有详细记载。由于环境和代码编写问题，官方示例并不能完全用于代码实践，所以此篇文章通过kafka+mysql进行简单实践。环境：kafka 2.4flink 1.12.2mysql57java8二、时间属性首先对于实时join来说，第一个要讨论的就是时间属性

Apache Flink常见的一些场景为数据的ETL（抽取、转换、加载）管道任务。从一个或多个数据源获取数据，进行一些转换操作和信息补充，将结果存储起来。无状态转换无状态的转换：包括map()和flatmap()map()调用用户定义的MapFunction对DataStream[T]数据进行处理，形成新的Data-Stream[T]，其中数据格式可能会发生变化，常用作对数据集内数据的清洗和转换。

flink读取Hive数据写入Kafka由于需要将kafka的数据读取出来并和hive中的数据进行join操作，突然发现flink1.12.0后实现了批流统一，所以学习了一下心得Hive Connector，并编写了一个读取Hive插入到kafka的小例子（感觉没什么好写的流水账）。参考：https://www.jianshu.com/p/01c363f166c2https://ci.apache