Flink CEP 简介
什么是CEP
CEP指复杂事件处理(Complex Event Processing),他可以在无休止的事件流中通过一定的规则匹配检测事件模式,然后输出满足规则的复杂事件,用于掌握数据中重要部分。
CEP的特点
-
目标:从有序的简单事件流中发现一些高阶特征
-
输入:一个或多个由简单事件构成的事件流
-
处理:识别简单事件之间的内在联系,多个符合一定规则的简单事件构成复杂事件
-
输出:满足规则的复杂事件
Pattern API
Flink CEP提供了Pattern API,用于对输入流数据进行复杂事件规则定义,用于提取符合规则的事件序列。
个体模式
组成复杂规则的每一个单独的模式定义,就是个体模式。
个体模式分为单例模式和循环模式,单例模式一次只能接收一个事件,而循环模式可以接收多个。
个体模式有多个重要组成部分:
-
量词
可以在个体模式后追加量词,也就是循环次数。
// 匹配出现4次 start.times(4) // 匹配出现0次或4次 start.times(4).optional // 匹配出现2,3或者4次 start.times(2,4) // 匹配出现2,3或者4次,并且尽可能多地重复匹配 start.times(2,4).greedy // 匹配出现1次或多次 start.oneOrMore // 匹配出现0次、2次或多次,并且尽可能多的重复匹配 start.timesOrMore(2).optional.greedy
-
条件
每个模式都需要指定触发条件
// 简单条件 通过where()方法对事件中的字段进行判断筛选,决定是否接受该事件 start.where(new SimpleCondition<Event>(){ @Override public boolean filter(Event value) throws Exception{ return value.getName.startsWith("foo"); } } // 组合条件 将简单条件见合并,or()方法表示逻辑或连接,where()方法表示逻辑与连接。 pattern.where().or() // 终止条件 如果使用了oneOrMore或者oneOrMore.optional,建议使用.until()作为终止条件,便于清理状态 // 迭代条件 能够对模式之前所有接收的事件继续处理 .where(new IterativeCondition<Event>())
组合模式
很多个体模式组合起来,就形成了整个的模式序列。模式序列必须以一个初始模式开始。
模式序列也分为严格近邻和宽松近邻。
-
严格近邻
所有事件按照严格的顺序出现,中间没有任何不匹配的事件,由.next()指定。
-
宽松近邻
允许中间出现不匹配的事件,由.followedBy()指定
-
非确定性宽松近邻
进一步放宽条件,之前已经匹配过的事件可以再次使用,由followedByAny()指定。
-
不希望出现某种近邻
.notNext()不想让某个事件严格紧邻前一个事件发生
.notFollowedBy()不想让某个事件在两个事件之间发生
-
注意事项
-
所有模式序列必须以.begin()开始
-
模式序列不能以.notFollowedBy()结束
-
“not”类型的模式不能被optional所修饰
-
此外,还可以为模式指定时间约束,用来要求在多长时间内匹配有效 next.within(Time.seconds(10))
-
模式检测
指定要查找的模式序列后,就可以将其应用于输入流以检测潜在匹配。
调用CEP.pattern(),给定输入流和模式,就可以得到一个patternStream。
DataStream<Event> input = ...
Pattern<Event,Event> pattern = Pattern.<Event>begin("start").where(...)...
PatternStream<Event> patternStream = CEP.pattern(input,pattern);
匹配事件的提取
创建 PatternStream 之后,就可以应用 select 或者 flatselect 方法,从检测到的事件序列中提取事件。
select() 方法需要输入一个 select function 作为参数,每个成功匹配的事件序列都会调用它。
select() 以一个 Map<String,List > 来接收匹配到的事件序列,其中 key 就是每个模式的名称,而 value 就是所有接收到的事件的 List 类型。
public OUT select(Map<String,List<IN>>pattern)throws Exception{
IN startEvent = pattern.get("start").get(0);
IN endEvent = pattern.get("end").get(0);
return new OUT(startEvent, endEvent);
}
超时时间的提取
当一个模式通过 within 关键字定义了检测窗口时间时,部分事件序列可能因为超过窗口长度而被丢弃;为了能够处理这些超时的部分匹配,select 和 flatSelect API 调用允许指定超时处理程序。
超时处理程序会接收到目前为止由模式匹配到的所有事件,由一个 OutputTag 定义接收到的超时事件序列。
PatternStream<Event>patternStream = CEP.pattern(input,pattern);
OutputTag<String>outputTag = new OutputTag<String>("side-output"){};
SingleOutputStreamOperator<ComplexEvent> flatResult =
patternStream. flatSelect(
outputTag,
new PatternFlatTimeoutFunction<Event,TimeoutEvent>(){...},
new PatternFlatSelectFunction<Event,ComplexEvent>(){...}
);
DataStream<TimeoutEvent> timeoutFlatResult = flatResult.getSideOutput(outputTag);
模式组
将一个模式序列作为条件嵌套在个体模式里,成为一组模式。