前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >FLINK实战-使用CEP进行网站监控报警和报警恢复

FLINK实战-使用CEP进行网站监控报警和报警恢复

作者头像
大数据技术与应用实战
发布2020-09-15 14:28:43
1.8K0
发布2020-09-15 14:28:43
举报
文章被收录于专栏:大数据技术与应用实战

flink CEP 简介

flink CEP(Complex event processing),是在Flink之上实现的复杂事件处理库,可以允许我们在不断的流式数据中通过我们自己定义的模式(Pattern)检测和获取出我们想要的数据,然后对这些数据进行下一步的处理。通过各种pattern的组合,我们可以定义出非常复杂的模式来匹配我们的数据。

网上讲CEP原理和用法的文章很多,大家可以参考下 https://juejin.im/post/5de1f32af265da05cc3190f9#heading-9

简单来说一下,其实我们可以把使用flink cep当做我们平时用的正则表达式,cep中的Pattern就是我们定义的正则表达式,flink中的DataStream就是正则表达式中待匹配的字符串,flink 通过DataStream 和 自定义的Pattern进行匹配,生成一个经过过滤之后的DataStream .

基于自定义的pattern,我们可以做很多工作,比如监控报警、风控、反爬等等,接下来我们基于一个简单的报警小例子来讲解一些FLINK cep的实际应用。

案例详解

我们基于flink CEP做一个简单的报警,首先我们简化一下报警的需求 1.统计出来每秒钟http状态码为非200的数量所占比例。大于0.7的时候触发报警。 2.统计结果连续发生三大于阈值(0.7,这个数字是我自己写的,为了测试用,真实环境需要根据实际经验来设置)发送报警通知。 3.统计结果小于等于阈值触发报警恢复通知。

实际应用中我们一般会去消费kafka的数据来作为source、这里我们为了简化,通过自定义source生成一些模拟的数据。

代码语言:javascript
复制

 public static class MySource implements SourceFunction<Tuple4<String,Long,Integer,Integer>>{

  static int status[] = {200, 404, 500, 501, 301};

  @Override
  public void run(SourceContext<Tuple4<String,Long,Integer,Integer>> sourceContext) throws Exception{
   while (true){
    Thread.sleep((int) (Math.random() * 100));
    // traceid,timestamp,status,response time

    Tuple4 log = Tuple4.of(
      UUID.randomUUID().toString(),
      System.currentTimeMillis(),
      status[(int) (Math.random() * 4)],
      (int) (Math.random() * 100));

    sourceContext.collect(log);
   }
  }

  @Override
  public void cancel(){

  }
 }

接下来我们定义一个sql,用来计算我们的需求中的第一个要求。

代码语言:javascript
复制

  String sql = "select pv,errorcount,round(CAST(errorcount AS DOUBLE)/pv,2) as errorRate," +
               "(starttime + interval '8' hour ) as stime," +
               "(endtime + interval '8' hour ) as etime  " +
               "from (select count(*) as pv," +
               "sum(case when status = 200 then 0 else 1 end) as errorcount, " +
               "TUMBLE_START(proctime,INTERVAL '1' SECOND)  as starttime," +
               "TUMBLE_END(proctime,INTERVAL '1' SECOND)  as endtime  " +
               "from log  group by TUMBLE(proctime,INTERVAL '1' SECOND) )";

通过执行sql,我们获取到了一个Result对象的DataStream,

代码语言:javascript
复制
  Table table = tenv.sqlQuery(sql);
  DataStream<Result> ds1 = tenv.toAppendStream(table, Result.class);

接下来我们到了最核心的地方,我们需要定一个Pattern。

代码语言:javascript
复制

  Pattern pattern = Pattern.<Result>begin("alert").where(new IterativeCondition<Result>(){
   @Override
   public boolean filter(
     Result i, Context<Result> context) throws Exception{
    return i.getErrorRate() > 0.7D;
   }
  }).times(3).consecutive().followedBy("recovery").where(new IterativeCondition<Result>(){
   @Override
   public boolean filter(
     Result i,
     Context<Result> context) throws Exception{
    return i.getErrorRate() <= 0.7D;
   }
  }).optional();

来详细解释一下这个Pattern

  1. 首先定义一个名为alert的Pattern,该Pattern的作用就是过滤出错误率大于0.7的数据,
  2. times(3) ,表示要匹配三次,也就是要三次大于0.7.
  3. consecutive 表示上述的三次匹配要是连续的,比如0.75、0.8、0.78,只有类似这样的数据才能被匹配到,中间不能有不符合的数据出现。
  4. followedBy表示该alert pattern的下面要跟着一个recovery pattern,而followedBy是宽松匹配,也就是两个模式之间可以有其他的数据,如果要采用严格匹配,是使用next.
  5. 最后recovery pattern加上一个optional 是我为了区分报警,和报警恢复想的的一个方案,这样的话,如果是只匹配到了alert pattern,输出的就是报警,如果recovery pattern也匹配到了,那么就是报警恢复。

在我们获得了相应的报警和恢复之后,接下来就是调用报警接口进行处理了,我们这只是简单的打印出来信息。

代码语言:javascript
复制

  DataStream<Map<String,List<Result>>> alertStream = org.apache.flink.cep.CEP.pattern(
    ds1,
    pattern).select(new PatternSelectFunction<Result,Map<String,List<Result>>>(){
   @Override
   public Map<String,List<Result>> select(Map<String,List<Result>> map) throws Exception{
    List<Result> alertList = map.get("alert");
    List<Result> recoveryList = map.get("recovery");

    if (recoveryList != null){
     System.out.print("接受到了报警恢复的信息,报警信息如下:");
     System.out.print(alertList);
     System.out.print("  对应的恢复信息:");
     System.out.println(recoveryList);
    } else {
     System.out.print("收到了报警信息 ");
     System.out.print(alertList);
    }

    return map;
   }
  });

完整的代码请参考 https://github.com/zhangjun0x01/bigdata-examples/blob/master/flink/src/main/java/cep/WebMonitorAlert.java

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-05-31,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大数据技术与应用实战 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 案例详解
相关产品与服务
大数据
全栈大数据产品,面向海量数据场景,帮助您 “智理无数,心中有数”!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档