实现过类似的需求，首先 lookup join 肯定是不行了，事实流中没有出现的用户肯定关联不到的。 比较彻底的解决方案是使用 datastream API ，process function 。还要状态编程，因为需要将维表的状态自己维护，比如把状态放到一个 tuple2 里，t0 是 customer id ，t1 给默认值 0 ，然后拿另外一个流的 element ，每来一条就给 t1+1 ，窗口触发时把所有的 tuple2 向下游发送。 需要额外考虑的一点是，有可能某个时间窗口内 1 个下单的都没有(比如半夜)，那么该窗口无法触发，没有任何输出，所以默认的滚动窗口\事件时间语义就不太行。还需要再实现一个窗口，事件时间、处理时间混合语义，保证即使没有事件仍然可以触发，输出所有用户下单数均为 0 的情况。 Flink SQL 没有实现过，但是有一个简单粗暴的想法，定时把维表的数据全量发到 flink ，构造出所有包含用户的事实流，这样你只需要改造 customers 维表那里就够了。 缺点是需要不断地读维表，对 MySQL 增加压力； source 端不断地向下游发维度信息，实际上不符合事件驱动和流式计算的原则。 我猜测这个需求数据量不大，实时性要求也没那么高，使用 spark streaming 可能是更好的选择。
@sijue 1. 不行，需求就是监控哪些用户没有下订单（这里的场景我做了更改，实际是监控哪些 IoT 设备没有上传数据，我在主题里也 append 更新下） 2. 用户表是提前全量初始化好的，不考虑更新问题，用户表没有时间信息；订单表，理论每个用户每分钟都有数据。
参考 9 楼的，process function 最方便，sql 做基础 etl 没问题，复杂一点的逻辑用 datastream 更灵活方便，存一下上一秒的 state ，做比较，可以判断类似连续 2 秒没数据然后报警推送，甚至连续 2s 没数据，但是 5s 内能上传上来就算正常这样的场景，随意发挥
@t3zb2xzvjm4yvmn 我感觉看到希望了，我的数据量不大，你知道如何粗暴的每分钟把维表的数据全量发到 flink ？ 用 DataStream API ，你说的额外考虑的场景暂时不用考虑，我们是 IoT 设备，理论不会出现 1 分钟全部设备没有数据的情况，后续优化再额外每分钟加一些 mock 数据，强制触发窗口。
@kerie Flink SQL 好像没有现成的方法，可以自定义 source table ，你研究一下吧 或者不在 Flink 里做，在外部写一个 Java/Python 程序用 JDBC 和 kafka API ，定时把数据推到 kafka ，用 Flink SQL 接 kafka 就比较方便了。
