王知无的技术周报(3.25-3.29日)

发件人：王知无

收件人：我的朋友们

本周知识点

一位女粉丝管我要一张真人照片，问题来了，她要张真人照片做什么用？

本篇重点向大家介绍了一种新的JOIN类型 - JOIN LATERAL。并向大家介绍了SQL Server中对LATERAL的支持方式，详细分析了JOIN LATERAL和INNER JOIN的区别与联系，最后切入到Apache Flink中，以UDTF示例说明了Apache Flink中对JOIN LATERAL的支持，后续篇章会介绍Apache Flink中另一种使用LATERAL的场景，就是Temporal JION，Temporal JION也是一种新的JOIN类型。

本篇由实际业务需求场景切入，介绍了相同业务需求既可以利用Unbounded 双流JOIN实现，也可以利用Time Interval JOIN来实现，Time Interval JOIN 性能优于UnBounded的双流JOIN，并且Interval JOIN之后可以进行Window Aggregate算子计算。然后介绍了Interval JOIN的语法，语义和实现原理，最后将订单和付款的完整示例代码分享给大家。期望本篇能够让大家对Apache Flink Time Interval JOIN有一个具体的了解。

本篇结合ANSI-SQL标准和SQL Server对Temporal Table的支持来开篇，然后介绍目前Apache Flink对Temporal Table的支持现状，以代码示例和内部处理逻辑示意图的方式让大家直观体验Temporal Table JOIN的语法和语义。

为了避免上一次计算结果会丢失，在节点恢复的时候，就需要将历史上所有数据（可能十几天，上百天的数据）重新计算一次，Apache Flink 会利用State存储计算结果。本篇为大家介绍了Apache Flink State的相关内容。

这是一篇来自中国的Developers的呐喊！

下周工作安排

下周进入全年调休周期，美滋滋～

你可能感兴趣的文章：

   Flink系列精华文章合集入门篇：

• Flink入门

• Flink DataSet&DataSteam API

• Flink集群部署

• Flink重启策略

• Flink分布式缓存

• Flink重启策略

• Flink中的Time

• Flink中的窗口

• Flink的时间戳和水印

• Flink广播变量

• Flink-Kafka-connetor

• Flink-Table&SQL

• Flink实战项目-热销排行

• Flink-Redis-Sink

• Flink消费Kafka写入Mysql

  Flink系列精华文章合集进阶篇：

• Flink深度解析-概览

• Apache-Flink深度解析-State

• ApacheFlink深度解析-FaultTolerance

• Apache Flink-流表对偶(duality)性

• Apache-Flink-持续查询(ContinuousQueries)

• Apache-Flink深度解析-DataStream-Connectors之Kafka

• Apache-Flink深度解析-SQL概览

• Apache-Flink深度解析-JOIN 算子

• Apache-Flink深度解析-TableAPI

• Apache-Flink深度解析-JOIN-LATERAL

• Apache-Flink深度解析-JOIN-LATERAL-Time Interval

• Apache-Flink深度解析-Temporal-Table-JOIN

点赞和转发是最大的支持~谢谢大家~