Flink基础系列34-Flink CEP简介

一.什么是CEP

1. 复杂事件处理（Complex Event Processing，CEP）

2. Flink CEP是在Flink中实现的复杂事件处理（CEP）库

3. CEP允许在无休止的事件流中检测事件模式，让我们有机会掌握数据中重要的部分

4. 一个或多个由简单事件构成的事件流通过一定的规则匹配，然后输出用户想得到的数据——满足规则的复杂事件

二.CEP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

三. Pattern API

处理事件的规则，被叫做"模式"（Pattern）

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，用来提取符合规则的时间序列

DataStream<Event> input = ...
// 定义一个Pattern
Pattern<Event, Event> pattern = Pattern.<Event>begin("start").where(...)
  .next("middle").subtype(SubEvent.class).where(...)
  .followedBy("end").where(...);
// 将创建好的Pattern应用到输入事件流上
PatternStream<Event> patternStream = CEP.pattern(input,pattern);
// 检出匹配事件序列，处理得到结果
DataStream<Alert> result = patternStream.select(...);

3.1 个体模式(Individual Patterns)

组成复杂规则的每一个单独的模式定义,就是"个体模式"

start.times(3).where(new SimpleCondition<Event>() {...})

个体模式可以包括"单例(singleton)模式"和"循环(looping)模式"

单例模式只接收一个事件，而循环模式可以接收多个

量词（Quantifier）
可以在一个个体模式后追加量词，也就是指定循环次数

//匹配出现4次
start.times(4)
//匹配出现2/3/4次
start.time(2,4).greedy
//匹配出现0或者4次
start.times(4).optional
//匹配出现1次或者多次
start.oneOrMore
//匹配出现2,3,4次
start.times(2,4)
//匹配出现0次,2次或者多次,并且尽可能多的重复匹配
start.timesOrMore(2),optional.greedy

条件（Condition）

1. 每个模式都需要指定触发条件，作为模式是否接受事件进入的判断依据
2. CEP中的个体模式主要通过调用.where()，.or()和.until()来指定条件
3. 按不同的调用方式，可以分成以下几类
   1)简单条件（Simple Condition）
   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");
  }
}

2)组合条件（Combining Condition）
将简单条件进行合并；.or()方法表示或逻辑相连，where的直接组合就是AND

pattern.where(event => ... /* some condition */).or(event => ... /* or condition */)

3)终止条件（Stop Condition）
如果使用了oneOrMore或者oneOrMore.optional，建议使用.until()作为终止条件，以便清理状态

4)迭代条件（Iterative Condition）
能够对模式之前所有接收的事件进行处理
可以调用ctx.getEventsForPattern(“name”)

.where(new IterativeCondition<Event>(){...})

3.2 组合模式(Combining Patterns)

组合模式(Combining Patterns)也叫模式序列。
1)很多个体模式组合起来，就形成了整个的模式序列
2)模式序列必须以一个"初始模式"开始

Pattern<Event, Event> start = Pattern.<Event>begin("start")

1. 严格近邻(Strict Contiguity)
   1)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
   2)例如对于模式"a next b",事件序列[a,c,b1,b2]没有匹配

2. 宽松近邻(Relaxed Contiguity)
   1)允许中间出现不匹配的事件,由.followedBy()指定
   2)例如对于模式"a followedBy b",事件序列[a,c,b1,b2]匹配为[a,b1]

3. 非确定性宽松近邻(Non-Deterministic Relaxed Contiguity)
   1)进一步放宽条件,之前已经匹配过的事件也可以再次使用，由.followByAny()指定
   2)例如对于模式"a followedAny b",事件序列[a,c,b1,b2]匹配为{a,b1},{a,b2}

4. 除了以上模式序列外,还可以定义"不希望出现某种近邻关系":
   1).notNext() 不严格近邻
   2).notFollowedBy()不在两个事件之间发生
   （eg，a not FollowedBy c，a Followed By b，a希望之后出现b，且不希望ab之间出现c）

5. 需要注意：
   1)所有模式序列必须以.begin()开始
   2)模式序列不能以.notFollowedBy()结束
   3)"not "类型的模式不能被optional 所修饰
   4)此外,还可以为模式指定事件约束，用来要求在多长时间内匹配有效:
   next.within(Time.seconds(10))

3.3 模式组

3.3.1 模式的检测

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，就能得到一个PatternStream

DataStream<Event> input = ...
Pattern<Event, Event> pattern = Pattern.<Event>begin("start").where(...)...

PatternStream<Event> patternStream = CEP.pattern(input, pattern);

3.3.2 匹配事件提取

1. 创建PatternStrean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了
2. 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
3. select() 以一个Map> 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);
}

3.3.3 超时事件提取

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);

参考:

1. https://www.bilibili.com/video/BV1qy4y1q728
2. https://ashiamd.github.io/docsify-notes/#/study/BigData/Flink/%E5%B0%9A%E7%A1%85%E8%B0%B7Flink%E5%85%A5%E9%97%A8%E5%88%B0%E5%AE%9E%E6%88%98-%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0?id=_15-cep