多流join的场景如何优化

请教各位大佬，我现在有个多流join计算的场景，不知道该如何进行优化。

电商业务有3个kafka消息源，消息结构描述如下（只列举主要字段）： market_act（营销活动）： {act_id:营销活动id，start_time:活动开始时间，end_time：活动结束时间,shop_id:活动的门店} new_member（新增会员）： {member_id:新会员id，act_id:吸引会员的营销活动id，create_time：新会员生成时间} orders（订单）：{order_no:订单号,amt:订单金额，member_id：会员id，create_time:订单时间，shop_id:下单的门店}

需求：按活动统计活动期间新会员产生的订单金额 伪sql： select act_id,count(1) as order_num,sum(amt) as order_amt from orders t1 inner join new_member t2 on t1.member_id=t2.member_id inner join market_act t3 on t2.act_id=t3.act_id where t1.create_time between t3.start_time and t3.end_time ;

目前做法： 将 market_act 和 new_member 两个维表消息放到redis缓存， flink接orders 消息，在flatmap中读取redis维表信息，判断当前订单是否属于某个有效的活动， 是则输出{act_id,order_no,amt,member_id}，然后sink到db。

我感觉这种做法没有充分发挥flink流的特性，有没有办法在flink里面直接join这3个流，搭配状态，进行计算？*来自志愿者整理的flink邮件归档