Esper入门概述——篇1

Esper概述

关系型数据库不适合每秒成百上千的数据量的查询，Esper引擎允许应用存储查询并运行数据通过，来代替存储数据并执行查询存储数据的工作方式。

Esper的事件模式匹配和事件流查询虽然是应对不同需求的，但是都是通过相同的API来实现的。

事件驱动应用服务器是为每秒需要处理超过100，000个事件的服务器提供一个运行时和多种支撑基础设施服务（如传输、安全、事件日志、高可靠性和连接、持久化等）。事件驱动服务器除了能实现事件处理，还要能将事件信息和长时间存在的数据（历史数据）结合起来，能在事件流上执行临时的关联关系和匹配操作。

在事件系统中要区分两个概念：

事件流处理（ESP，Event Stream Processing）：检测事件数据流，分析出那些符合条件的事件，然后通知监听器

复杂事件处理（CEP，Complex Event Processing）：监察各事件间的模式

Esper结构

Esper的事件驱动架构图：

整个EDA（Event　Driven　Architecture）包括：

• data Streams:事件源，提供高速、海量的实时数据。
• Event Stream adapters:事件源的接入适配器，用于接收事件源数据，并且转发事件给Esper引擎。
• Esper Engine：Esper引擎部分。其负责注册statement以及statement的监听、事件类型等信息，执行事件处理。
• output adapters:输出适配器，通过监听等获取引擎处理的有价值信息，通过该适配器输出。即与引擎外包程序连接的入口。
• Event Query & Causality Pattern Language：事件处理语言，包括规则引擎（事件查询语言）以及状态引擎（模式匹配）的定义。Esper引擎执行事件处理时，依赖这些引擎的定义。
• Core Container:核心容器。特殊算法、操作分析等。
• HistorycalData access layer:历史数据访问层。在引擎处理时，会将Esper引擎处理views的历史数据（比如时间窗口 取过去30s的平均值）时，保存历史数据，供引擎处理。

整个Esper架构——轻量级的ESP（Event Stream processing事件流处理）和CEP（Complex Event Processing复合事件处理）容器，由以上各个部分组成。

运行时，event stream的流转如箭头方向所指。

或者如下图：

上图中，通过事件处理总线，即接入adapter以及引擎注册，负责接收事件并交由引擎处理；引擎处理的过程需要借助Esper的内部缓存以及状态引擎、规则引擎等对事件进行解析、筛选处理。引擎处理输出的事件信息、历史数据等都会在内部缓存中进行保存。最后事件消费方获取有价值数据，执行相应动作。