Flink操练（十七）之DS简介（17）FlinkCEP简介（二）

　　1.什么是 CEP
　　概念：
　　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。
　　特征：
　　 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
　　CEP 用于分析低延迟、频繁产生的不同来源的事件流。CEP 可以帮助在复杂的、不相关的事件流中找出有意义的模式和复杂的关系，以接近实时或准实时的获得通知并阻止一些行为。
　　CEP 支持在流上进行模式匹配，根据模式的条件不同，分为连续的条件或不连续的条件；模式的条件允许有时间的限制，当在条件范围内没有达到满足的条件时，
　　会导致模式匹配超时。
　　看起来很简单，但是它有很多不同的功能：
　　 输入的流数据，尽快产生结果
　　 在 2 个 event 流上，基于时间进行聚合类的计算
　　 提供实时/准实时的警告和通知
　　 在多样的数据源中产生关联并分析模式
　　 高吞吐、低延迟的处理
　　市场上有多种 CEP 的解决方案，例如 Spark、Samza、Beam 等，但他们都没有提供专门的 library 支持。但是 Flink 提供了专门的 CEP library。 2 Flink CEP
　　Flink 为 CEP 提供了专门的 Flink CEP library，它包含如下组件：
　　 Event Stream
　　 pattern 定义
　　 pattern 检测
　　 生成 Alert
　　首先，开发人员要在 DataStream 流上定义出模式条件，之后 Flink CEP 引擎进行模式检测，必要时生成告警。
　　为了使用 Flink CEP，我们需要导入依赖：   org.apache.flink  flink-cep_${scala.binary.version}  ${flink.version} 
　　Event Streams
　　以登陆事件流为例：case class LoginEvent(userId: String, ip: String, eventType: String, eventTime: String)  val env = StreamExecutionEnvironment.getExecutionEnvironment env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime) env.setParallelism(1)  val loginEventStream = env.fromCollection(List(  LoginEvent(＂1＂, ＂192.168.0.1＂, ＂fail＂, ＂1558430842＂),  LoginEvent(＂1＂, ＂192.168.0.2＂, ＂fail＂, ＂1558430843＂),  LoginEvent(＂1＂, ＂192.168.0.3＂, ＂fail＂, ＂1558430844＂),  LoginEvent(＂2＂, ＂192.168.10.10＂, ＂success＂, ＂1558430845＂) )).assignAscendingTimestamps(_.eventTime.toLong)3 Pattern API
　　4 个体模式
　　个体模式的条件
　　5 模式序列
　　6 模式检测
　　7 匹配事件提取
　　8 超时事件的提取