Flink有一个州，你可以利用这个州。我也做过类似的事情，每天从我的查找表（在我的例子中是一个批量webservice调用）中进行一次查询，并通过查询结果生成一个kafka主题。这个kafka主题正被相同的服务flink作业使用，因为它需要用于查找的数据。两个主题的键控值相同，但我使用查找主题将数据存储到键控状态，在处理另一个主题时，我会将数据从状态中拉回来。
我有一些额外的逻辑来检查给定密钥是否还没有状态。如果是这样的话，我会向webservice发出一个异步请求。但是，您可能不需要这样做。
这里需要注意的是，我有用于状态管理的内存，而我的查找表只有大约3000万条记录，大约100 Gig分布在15个节点上的45个插槽中。
[在评论中回答问题]对不起，我的回答太长了，所以不得不编辑我的帖子：
我有一个python作业，它通过一个大容量rest调用加载数据（你的只需进行数据查找）。然后，它将数据转换成正确的格式，并将其转储到Kafka中。然后我的flink流有两个来源，一个是“真实数据”主题，另一个是“查找数据”主题。来自lookup data主题的数据存储在state中（我使用了valuestate，因为每个键都Map到一个可能的值，但是还有其他状态类型。我也有一个24小时的到期时间为每个条目，但这是我的用例。
诀窍在于，将查找主题中的值存储为状态的操作必须是将值从“真实”主题中拉回到状态的操作。这是因为flink状态（甚至键控状态）与创建它们的操作符相关联。