Flink有几种可用于浓缩的机制。
我将假设所有流共享一个公共密钥，该密钥可用于连接相应的项。
最简单的方法可能是使用 RichFlatmap 并在其open（）方法（docs about rich functions）中加载静态扩展数据。这仅适用于扩展数据是静态的，或者您愿意在需要更新扩展数据时重新启动扩展作业的情况。
对于下面描述的其他方法，您应该将扩展数据存储为托管的键控状态（请参阅关于在flink中使用状态的文档）。这将使flink能够在失败的情况下恢复和恢复您的扩展工作。
假设您真的想在浓缩数据流，那么 RichCoFlatmap 更合适。这是一个有状态运算符，可用于合并或联接两个连接的流。但是 RichCoFlatmap 您没有能力考虑流元素的计时。例如，如果您担心一个流先于或落后于另一个流，并且希望以可重复的、确定的方式执行充实，那么使用 CoProcessFunction 是正确的方法。
您将在apache flink培训资料中找到一个详细的示例和代码。
如果有许多流（例如10个）要连接，可以级联这两个输入的一系列 CoProcessFunction 但不可否认，这在某种程度上确实变得相当尴尬。另一种方法是使用union操作符将所有元数据流组合在一起（注意，这要求所有流具有相同的类型），然后使用 RichCoFlatmap 或者 CoProcessFunction 把这个统一的浓缩流和主流连接起来。
更新：
flink的表和SQLAPI也可以用于流丰富，Flink1.4通过添加流时间窗口的内部连接扩展了这种支持。请参见表api联接和sql联接。例如：

SELECT *
FROM Orders o, Shipments s
WHERE o.id = s.orderId AND
  o.ordertime BETWEEN s.shiptime - INTERVAL '4' HOUR AND s.shiptime

如果发货发生在下订单的4个订单内，则此示例将订单与其相应的发货关联起来。