复杂事件处理(CEP)是一种基于流处理的技术，将系统数据看作不同类型的事件，通过分析事件之间的关系，建立不同的事件关系序列库，并利用过滤、关联、聚合等技术，最终由简单事件产生高级事件，并通过模式规则的方式对重要信息进行跟踪和分析，从实时数 据中发掘有价值的信息。复杂事件处理主要应用于防范网络欺诈、设备故障检测、风险规避和智能营销等领域。Flink 基于DataStrem API 提供了 FlinkCEP 组件栈，专门用于对复杂 事件的处理，帮助用户从流式数据中发掘有价值的信息。
简单事件:简单事件存在于现实场景中，主要的特点为处理单一事件，事件的定义可以直接观察出来，处理过程中无须关注多个事件之间的关系，能够通过简单的数据处理手段将结果计算出来。 复杂事件:相对于简单事件，复杂事件处理的不仅是单一的事件，也处理由多个事件组成的复合事件。复杂事件处理监测分析事件流(Event Streaming)，当特定事件发生时来触发某些动作。 复杂事件中事件与事件之间包含多种类型关系，常见的有时序关系、聚合关系、层次关 系、依赖关系及因果关系等。
定义 Pattern 可以是单次执行模式，也可以是循环执行模式。单词执行模式一次只接受 一个事件，循环执行模式可以接收一个或者多个事件。通常情况下，可以通过指定循环次数 将单次执行模式变为循环执行模式。每种模式能够将多个条件组合应用到同一事件之上，条 件组合可以通过 where 方法进行叠加。每个 Pattern 都是通过 begin 方法定义的。
val start = Pattern.begin[Event]("start_pattern")下一步通过 Pattern.where()方法在 Pattern 上指定 Condition，只有当 Condition 满 足之后，当前的 Pattern 才会接受事件。
start.where(_.getCallType == "success")（1）设置循环次数 对于已经创建好的 Pattern，可以指定循环次数，形成循环执行的 Pattern。times:可以通过 times 指定固定的循环执行次数。
//指定循环触发4次 start.times(4); //可以执行触发次数范围,让循环执行次数在该范围之内 start.times(2, 4);optional:也可以通过 optional 关键字指定要么不触发要么触发指定的次数。
start.times(4).optional(); start.times(2, 4).optional();greedy:可以通过 greedy 将 Pattern 标记为贪婪模式，在 Pattern 匹配成功的前提下， 会尽可能多地触发。
//触发2、3、4次,尽可能重复执行 start.times(2, 4).greedy(); //触发0、2、3、4次,尽可能重复执行 start.times(2, 4).optional().greedy();oneOrMore:可以通过 oneOrMore 方法指定触发一次或多次。
// 触发一次或者多次 start.oneOrMore(); //触发一次或者多次,尽可能重复执行 start.oneOrMore().greedy(); // 触发0次或者多次 start.oneOrMore().optional(); // 触发0次或者多次,尽可能重复执行 start.oneOrMore().optional().greedy();timesOrMore:通过 timesOrMore 方法可以指定触发固定次数以上，例如执行两次以上。
// 触发两次或者多次 start.timesOrMore(2); // 触发两次或者多次,尽可能重复执行 start.timesOrMore(2).greedy(); // 不触发或者触发两次以上,尽可能重复执行 start.timesOrMore(2).optional().greedy();(2) 定义条件 每个模式都需要指定触发条件，作为事件进入到该模式是否接受的判断依据，当事件中 的数值满足了条件时，便进行下一步操作。在 FlinkCFP 中通过 pattern.where()、 pattern.or()及 pattern.until()方法来为 Pattern 指定条件，且 Pattern 条件有 Simple Conditions 及 Combining Conditions 等类型。 简单条件:Simple Condition 继承于 Iterative Condition 类，其主要根据事件中的 字段信息进行判断，决定是否接受该事件。
// 把通话成功的事件挑选出来 start.where(_.getCallType == "success")组合条件:组合条件是将简单条件进行合并，通常情况下也可以使用 where 方法进行条 件的组合，默认每个条件通过 AND 逻辑相连。如果需要使用 OR 逻辑，直接使用 or 方法 连接条件即可。
// 把通话成功，或者通话时长大于10秒的事件挑选出来 val start = Pattern.begin[StationLog]("start_pattern") .where(_.callType=="success") .or(_.duration>10)终止条件:如果程序中使用了 oneOrMore 或者 oneOrMore().optional()方法，则必须 指定终止条件，否则模式中的规则会一直循环下去，如下终止条件通过 until()方法指 定。
pattern.oneOrMore.until(_.callOut.startsWith("186"))(3) 模式序列 将相互独立的模式进行组合然后形成模式序列。模式序列基本的编写方式和独立模式一致，各个模式之间通过邻近条件进行连接即可，其中有严格邻近、宽松邻近、非确定宽松邻 近三种邻近连接条件。 严格邻近:严格邻近条件中，需要所有的事件都按照顺序满足模式条件，不允许忽略任 意不满足的模式。
val strict: Pattern[Event] = start.next("middle").where(...)宽松邻近:在宽松邻近条件下，会忽略没有成功匹配模式条件，并不会像严格邻近要求 得那么高，可以简单理解为 OR 的逻辑关系。
val relaxed: Pattern[Event, _] = start.followedBy("middle").where(...)非确定宽松邻近:和宽松邻近条件相比，非确定宽松邻近条件指在模式匹配过程中可以 忽略已经匹配的条件。
val nonDetermin: Pattern[Event, _] = start.followedByAny("middle").where(...)除以上模式序列外，还可以定义“不希望出现某种近邻关系”: .notNext() —— 不想让某个事件严格紧邻前一个事件发生 .notFollowedBy() —— 不想让某个事件在两个事件之间发生 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，还可以为模式指定时间约束，用来要求在多长时间内匹配有效
调用 CEP.pattern()，给定输入流和模式，就能得到一个 PatternStream
//cep 做模式检测 val patternStream = CEP.pattern[EventLog](dataStream.keyBy(_.id),pattern)得到 PatternStream 类型的数据集后，接下来数据获取都基于 PatternStream 进行。该 数据集中包含了所有的匹配事件。目前在 FlinkCEP 中提供 select 和 flatSelect 两种方法 从 PatternStream 提取事件结果事件。
