在本章中，我们将学习Apache Flink的不同库。

复杂事件处理(CEP)

FlinkCEP是Apache Flink中的API，可分析连续流数据上的事件模式。这些事件接近实时，具有高吞吐量和低延迟。该API主要用于实时传输的传感器数据，并且处理起来非常复杂。

CEP分析输入流的模式并很快给出结果。在事件模式复杂的情况下，它具有提供实时通知和警报的能力。 FlinkCEP可以连接到不同种类的输入源并分析其中的模式。

这就是带有CEP的示例架构的样子-

传感器数据将来自不同的来源，Kafka将充当分布式消息传递框架，它将消息流分发到Apache Flink，而FlinkCEP将分析复杂的事件模式。

您可以使用Pattern API在Apache Flink中编写用于复杂事件处理的程序。它使您可以决定要从连续流数据中检测到的事件模式。以下是一些最常用的CEP模式-

开始

用于定义启动状态。以下程序显示了如何在Flink程序中定义它-

Pattern next = start.next("next");

哪里

用于定义当前状态下的过滤条件。

patternState.where(new FilterFunction () {  
   @Override 
      public boolean filter(Event value) throws Exception { 
   } 
});

下一个

它用于附加新的模式状态和传递先前模式所需的匹配事件。

Pattern next = start.next("next");

其次是

它用于附加新的模式状态，但此处其他事件可能在两个匹配事件之间发生。

Pattern followedBy = start.followedBy("next");

ly喱

Apache Flink的Graph API是Gelly。 Gelly用于使用一组方法和实用程序对Flink应用程序执行图形分析。您可以使用Gelly以分布式方式使用Apache Flink API分析巨大的图。出于相同的目的，还有其他图形库，例如Apache Giraph，但是由于Gelly用于Apache Flink之上，因此它使用单个API。从开发和操作的角度来看，这是非常有帮助的。

让我们使用Apache Flink API-Gelly运行示例。

首先，您需要将2个Gelly jar文件从Apache Flink的opt目录复制到其lib目录。然后运行flink-gelly-examples jar。

cp opt/flink-gelly* lib/ 
./bin/flink run examples/gelly/flink-gelly-examples_*.jar 

现在让我们运行PageRank示例。

PageRank计算每个顶点得分，即通过边缘传输的PageRank得分的总和。每个顶点的分数在边缘之间平均分配。高分顶点与其他高分顶点链接。

结果包含顶点ID和PageRank分数。

usage: flink run examples/flink-gelly-examples_.jar --algorithm PageRank [algorithm options] --input  [input options] --output 
 [output options] 

./bin/flink run examples/gelly/flink-gelly-examples_*.jar --algorithm PageRank --input CycleGraph --vertex_count 2 --output Print