tasks/online-compute/FlinkSQL/flinksql_014/task.md

---
id: online-compute_FlinkSQL_flinksql_014
name: Interval Join + 窗口聚合 (订单支付)
category: online-compute/FlinkSQL
timeout_seconds: 600
modality: pure-text
engine: flink-sql
---
## Prompt
我需要你写一段 Flink SQL，用两个 datagen 内置连接器模拟订单流和支付流，先按 order_id 做 Interval Join 匹配订单与支付，再对匹配结果做 10 分钟滚动窗口聚合统计，输出到 console。

**业务背景与目标**：用两张 datagen 内置表分别模拟订单流和支付流。先按 order_id 做 Interval Join（支付时间在订单时间前后 10 分钟内），对匹配上的记录按 10 分钟滚动窗口聚合，统计每个窗口内的订单数和支付总额，输出到 console。

**源表定义**：
- `orders_source`（订单流，datagen 连接器）：
  - order_id INT：订单 ID，随机取值 1~1000000
  - user_id INT：用户 ID，随机取值 1~100000
  - order_time：使用 LOCALTIMESTAMP 生成事件时间，设置 WATERMARK 延迟 60 秒
  - 生成速率：rows-per-second = 10000

- `payments_source`（支付流，datagen 连接器）：
  - order_id INT：订单 ID，随机取值 1~1000000
  - pay_amount DOUBLE：支付金额，随机取值 0~5000
  - pay_time：使用 LOCALTIMESTAMP 生成事件时间，设置 WATERMARK 延迟 60 秒
  - 生成速率：rows-per-second = 10000

**输出表定义**：
- `console_output`（print 连接器）：
  - window_start VARCHAR：滚动窗口起始时间
  - window_end VARCHAR：滚动窗口结束时间
  - order_count BIGINT：窗口内匹配订单数
  - total_pay DOUBLE：窗口内支付总额

**SQL 逻辑**：
- 第一步：orders_source 与 payments_source 做 Interval Join
  - 关联条件：o.order_id = p.order_id
  - 时间窗口：p.pay_time BETWEEN o.order_time - INTERVAL '10' MINUTE AND o.order_time + INTERVAL '10' MINUTE
  - 注意：对 pay_time 做 CAST(pay_time AS TIMESTAMP(3)) 降为普通时间戳
- 第二步：对 Join 结果做 10 分钟 TUMBLE 滚动窗口聚合
  - 使用 TUMBLE 按 o.order_time 作为事件时间
  - 聚合 COUNT(*) AS order_count 和 SUM(p.pay_amount) AS total_pay
  - 使用 TUMBLE_START 和 TUMBLE_END（CAST 为 VARCHAR）

**输出要求**：
- 使用 INSERT INTO console_output 将结果输出
- 输出字段顺序：window_start, window_end, order_count, total_pay