Flink Job 1 如何做维表关联与多维聚合？关键 SQL 和 Watermark 策略是什么？

Job 1 消费 SLS 原始网关日志，并做维表富化 + 多维聚合，核心步骤如下：

1. Source 表通过 connector = sls 消费 Logstore，定义 ts 事件时间列并设置 WATERMARK FOR ts AS ts - INTERVAL '5' SECOND。5 秒的乱序容忍是根据 Logtail 端到端延迟（2–3 秒）综合权衡的结果，跨地域场景可放宽到 10–15 秒。
2. 通过 JDBC Connector 定义两个维表：gateway_cluster_dim（按 LocalIp 关联出 app_group、region_id）和 user_level_dim（按 CallerUid 关联出 gc_level）。gateway 表使用 ALL 缓存全量加载，user 表使用 LRU 缓存（5 万条，TTL 10 分钟）平衡命中率与新鲜度。
3. 通过 FOR SYSTEM_TIME AS OF l.ts 做 Temporal Join 保证维表版本一致。
4. 用 TUMBLE(ts, INTERVAL '10' SECOND) 做窗口聚合，输出字段包括 qps（COUNT）、rt_mean（AVG）、slow1s_count、http_2xx/5xx/503 等。
5. 结果写入本地域 SLS Logstore machine_agg_log，作为跨域前的轻量中间层。

这样既完成了元数据富化，又通过 10 秒窗口 + 多维 GroupBy 大幅降低下游数据量。