如何使用 Apache Flink DataStream API 输出事件对流？
How to use Apache Flink DataStream API to output stream of event pairs?
一只鞋子（一个事件）被定义为它的颜色和isLeft（如果鞋子是左腿的那么isLeft=true否则false）。
Tuple2<String, Boolean> leftBlueShoe = Tuple2.of("blue", true);
Tuple2<String, Boolean> rightBlueShoe = Tuple2.of("blue", false);
// unbounded stream of shoes is as follows
DataStream<Tuple2<String, Boolean>> streamOfShoes = ...
// somthing like - env.fromElements(leftBlueShoe, rightRedShoe, leftGreenShoe, rightBlueShoe, ...);
如何组成一双相同颜色的鞋子并期望匹配的鞋子立即发出，不匹配的鞋子等待它的鞋子直到window结束。
DataStream<Tuple5<String, Boolean, String, Boolean, String>> shoePairs = ...
// few events from shoePairs stream:
Tuple5<> shoePair = Tuple5.of("blue", true, "blue", false, "pairFound");
Tuple5<> notShoePair= Tuple5.of("red", true, "red", false, "pairNotFound"); // Even if pair not found in window we tagged and kept in stream
尝试过的方法（忽略这个以避免混淆）：
通过将流分成左右两部分并window连接（会产生成本吗？）
TumblingWindowJoin: 窗口函数无法处理不匹配的对。 window 过去后那只鞋丢了。
CoGroupFunction: Window does not trigger for last event. Full Code
Low-level Joins：即CoProcessFunction()。不确定是否有帮助？
使用 TumblingProcessingTimeWindow 和 apply() 中的自定义连接逻辑在同一流上开窗。 window 即使所有事件都配对也不会立即触发
Flink training is about finding event pairs; it's similar in spirit to what you're asking for. See the Rides and Fares Exercise 中的练习之一，它使用 RichCoFlatMapFunction 进行配对。
那里的解决方案假定完美配对始终是可能的，因此它不解决不匹配配对的情况。但是您可以找到更进一步的变体 here。此示例使用 CoProcessFunction 中的计时器来检测不匹配的对。
其他要点：
将流分成左子流和右子流的成本应该可以忽略不计。
我认为 CoGroupFunction 应该可以。如果你试过这个但它似乎没有工作，也许你正在使用事件时间 windowing 并且最后的水印丢失，阻止 window 被关闭。
更新：
查看您的代码后，我发现实现中存在问题。您的时间戳提取器使用系统时钟而不是事件中的时间戳。这会给你一些类似于（但比）使用处理时间的东西。我说 "worse than processing time" 是因为您允许事件乱序，这会增加延迟，并且它会阻止 window 关闭，直到事件充分超出 window 的结尾点到了。这意味着最后一个 window 永远不会被触发。
作为测试，尝试将时间特性切换为处理时间，删除 assignTimestampsAndWatermarks，然后查看 CoGroupFunction 是否正常工作。您也可以使用摄取时间，只要您删除水印并让 Flink 处理它（处理时间水印无关紧要；摄取时间 Flink 会为您添加水印，除非您覆盖它）。
如果您想在应用程序中使用事件时间，请在测试中使用有限源。当有限源（例如从文件或集合中读取）到达其输入的末尾时，它们会通过作业发送一个非常大的水印，从而关闭所有打开的 windows。
一只鞋子（一个事件）被定义为它的颜色和isLeft（如果鞋子是左腿的那么isLeft=true否则false）。
Tuple2<String, Boolean> leftBlueShoe = Tuple2.of("blue", true);
Tuple2<String, Boolean> rightBlueShoe = Tuple2.of("blue", false);
// unbounded stream of shoes is as follows
DataStream<Tuple2<String, Boolean>> streamOfShoes = ...
// somthing like - env.fromElements(leftBlueShoe, rightRedShoe, leftGreenShoe, rightBlueShoe, ...);
如何组成一双相同颜色的鞋子并期望匹配的鞋子立即发出，不匹配的鞋子等待它的鞋子直到window结束。
DataStream<Tuple5<String, Boolean, String, Boolean, String>> shoePairs = ...
// few events from shoePairs stream:
Tuple5<> shoePair = Tuple5.of("blue", true, "blue", false, "pairFound");
Tuple5<> notShoePair= Tuple5.of("red", true, "red", false, "pairNotFound"); // Even if pair not found in window we tagged and kept in stream
尝试过的方法（忽略这个以避免混淆）：
通过将流分成左右两部分并window连接（会产生成本吗？）
TumblingWindowJoin: 窗口函数无法处理不匹配的对。 window 过去后那只鞋丢了。
CoGroupFunction: Window does not trigger for last event. Full Code
Low-level Joins：即
CoProcessFunction()。不确定是否有帮助？
使用
TumblingProcessingTimeWindow和apply()中的自定义连接逻辑在同一流上开窗。 window 即使所有事件都配对也不会立即触发
Flink training is about finding event pairs; it's similar in spirit to what you're asking for. See the Rides and Fares Exercise 中的练习之一，它使用 RichCoFlatMapFunction 进行配对。
那里的解决方案假定完美配对始终是可能的，因此它不解决不匹配配对的情况。但是您可以找到更进一步的变体 here。此示例使用 CoProcessFunction 中的计时器来检测不匹配的对。
其他要点：
将流分成左子流和右子流的成本应该可以忽略不计。
我认为 CoGroupFunction 应该可以。如果你试过这个但它似乎没有工作，也许你正在使用事件时间 windowing 并且最后的水印丢失，阻止 window 被关闭。
更新：
查看您的代码后，我发现实现中存在问题。您的时间戳提取器使用系统时钟而不是事件中的时间戳。这会给你一些类似于（但比）使用处理时间的东西。我说 "worse than processing time" 是因为您允许事件乱序，这会增加延迟，并且它会阻止 window 关闭，直到事件充分超出 window 的结尾点到了。这意味着最后一个 window 永远不会被触发。
作为测试，尝试将时间特性切换为处理时间，删除 assignTimestampsAndWatermarks，然后查看 CoGroupFunction 是否正常工作。您也可以使用摄取时间，只要您删除水印并让 Flink 处理它（处理时间水印无关紧要；摄取时间 Flink 会为您添加水印，除非您覆盖它）。
如果您想在应用程序中使用事件时间，请在测试中使用有限源。当有限源（例如从文件或集合中读取）到达其输入的末尾时，它们会通过作业发送一个非常大的水印，从而关闭所有打开的 windows。