1.基本介绍

Siddhi 提供以下功能，

流式数据分析

为分析操作员提供编排数据流、计算分析和检测 来自多个不同实时数据源的事件数据模式的软件，以允许开发人员构建能够实时感知、思考和行动的应用程序。

复杂事件处理 (CEP)

“CEP 是一种计算，其中有关事件的传入数据被提炼成更有用、更高级别的‘复杂’事件数据，从而提供对正在发生的事情的洞察力。”

“ CEP 是事件驱动的，因为计算是由接收事件数据触发的。CEP 用于要求高、持续智能的应用程序，以增强态势感知并支持实时决策。”

流数据集成

流数据集成是一种通过处理、关联和分析内存中的数据来集成多个系统的方法，同时不断地将数据从一个系统实时移动到另一个系统。

警报和通知

该系统根据定义的 KPI 和其他分析持续监控事件流，并发送警报和通知。

自适应决策一种根据预定义规则、连接系统的当前状态和机器学习技术动态做出实时决策的方法。

2.使用流程

当Siddhi 应用程序启动时：

定义输入流，输出流，编写Siddhi查询sql；
接收各种流将事件传递给查询以进行处理。
根据查询完成的处理生成新事件。
最后，通过输出将新生成的事件发送到流。

3.sql样例

define stream TemperatureStream
        (sensorId string, temperature double);
 
@info(name = 'Overall-analysis')
from TemperatureStream#window.timeBatch(1 min)
select avg(temperature) as avgTemperature,
       max(temperature) as maxTemperature,
       count() as numberOfEvents
insert into OverallTemperatureStream;
 
@info(name = 'SensorId-analysis')
from TemperatureStream#window.timeBatch(30 sec, 0)
select sensorId,
       avg(temperature) as avgTemperature,
       min(temperature) as maxTemperature
group by sensorId
having avgTemperature > 20.0
insert into SensorIdTemperatureStream;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

define stream InputStream(jsonString string);
 
from InputStream
select json:toObject(jsonString) as jsonObj
insert into PersonalDetails;
 
from PersonalDetails
select jsonObj,
    json:getString(jsonObj,'$.name') as name,
    json:isExists(jsonObj, '$.salary') as isSalaryAvailable,
    json:toString(jsonObj) as jsonString
insert into OutputStream;
 
from OutputStream[isSalaryAvailable == false]
select
    json:setElement(jsonObj, '$', 0f, 'salary') as jsonObj
insert into PreprocessedStream;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

TemperatureStream  (
        sensorId  string ,  temperature  double );
 
define table TemperatureLogTable (
        sensorId string, roomNo string, temperature double);
 
@store(type="rdbms",
       jdbc.url="jdbc:mysql://localhost:3306/sid",
       username="root", password="root",
       jdbc.driver.name="com.mysql.jdbc.Driver")
define table SensorIdInfoTable (
        sensorId string, roomNo string);
 
@info(name = 'Join-query')
from TemperatureStream as t join SensorIdInfoTable as s
     on t.sensorId == s.sensorId
select t.sensorId as sensorId, s.roomNo as roomNo
       t.temperature as temperature
insert into TemperatureLogTable;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

4.总结：
优点：
1.sql模式，本身支持一些函数运算；

2.量词，组合模式，连续策略较为丰富；

3.支持不发生算子；

4.时间窗口内，数据聚合在函数支持下较为方便；

5.事件流可以支持和外部存储join；

缺点：

1.使用Siddhi Streaming SQL语言将处理逻辑编写为Siddhi 应用程序，开发和维护比java代码高，在sql里数据处理/异常/监控等不够灵活可控；

2.sql模式开发，对于现有的复杂json结构数据源，解析处理不友好；

3.长窗口聚合数据时，数据在内存中累积；

4.海外项目，文档资料少，维护成本高；

5.当前的复杂嵌套回溯类型，sql模式难以实现；