建站
咨詢
售后
建站咨詢
新聞中心
本文轉(zhuǎn)載自微信公眾號「五分鐘學(xué)大數(shù)據(jù)」，作者五分鐘學(xué)大數(shù)據(jù)。轉(zhuǎn)載本文請聯(lián)系五分鐘學(xué)大數(shù)據(jù)公眾號。
網(wǎng)站建設(shè)哪家好，找成都創(chuàng)新互聯(lián)！專注于網(wǎng)頁設(shè)計、網(wǎng)站建設(shè)、微信開發(fā)、微信平臺小程序開發(fā)、集團(tuán)企業(yè)網(wǎng)站建設(shè)等服務(wù)項目。為回饋新老客戶創(chuàng)新互聯(lián)還提供了江夏免費(fèi)建站歡迎大家使用！
我們在看直播的時候，不管對于主播還是用戶來說，非常重要的一項就是彈幕文化。為了增加直播趣味性和互動性, 各大網(wǎng)絡(luò)直播平臺紛紛采用彈窗彈幕作為用戶實時交流的方式，內(nèi)容豐富且形式多樣的彈幕數(shù)據(jù)中隱含著復(fù)雜的用戶屬性與用戶行為, 研究并理解在線直播平臺用戶具有彈幕內(nèi)容審核與監(jiān)控、輿論熱點(diǎn)預(yù)測、個性化摘要標(biāo)注等多方面的應(yīng)用價值。
本文不分析彈幕數(shù)據(jù)的應(yīng)用價值，只通過彈幕內(nèi)容審核與監(jiān)控案例來了解下Flink CEP的概念及功能。
在用戶發(fā)彈幕時，直播平臺主要實時監(jiān)控識別兩類彈幕內(nèi)容：一類是發(fā)布不友善彈幕的用戶 ;一類是刷屏的用戶。
我們先記住上述需要實時監(jiān)控識別的兩類用戶，接下來介紹Flink CEP的API，然后使用CEP解決上述問題。
Flink CEP
Flink CEP 是什么
Flink CEP是一個基于Flink的復(fù)雜事件處理庫，可以從多個數(shù)據(jù)流中發(fā)現(xiàn)復(fù)雜事件，識別有意義的事件(例如機(jī)會或者威脅)，并盡快的做出響應(yīng)，而不是需要等待幾天或則幾個月相當(dāng)長的時間，才發(fā)現(xiàn)問題。
Flink CEP API
CEP API的核心是Pattern(模式) API，它允許你快速定義復(fù)雜的事件模式。每個模式包含多個階段(stage)或者我們也可稱為狀態(tài)(state)。從一個狀態(tài)切換到另一個狀態(tài)，用戶可以指定條件，這些條件可以作用在鄰近的事件或獨(dú)立事件上。
介紹API之前先來理解幾個概念：
1. 模式與模式序列
- 簡單模式稱為模式，將最終在數(shù)據(jù)流中進(jìn)行搜索匹配的復(fù)雜模式序列稱為模式序列，每個復(fù)雜模式序列是由多個簡單模式組成。
- 匹配是一系列輸入事件，這些事件通過一系列有效的模式轉(zhuǎn)換，能夠訪問復(fù)雜模式圖的所有模式。
- 每個模式必須具有唯一的名稱，我們可以使用模式名稱來標(biāo)識該模式匹配到的事件。
2. 單個模式
一個模式既可以是單例的，也可以是循環(huán)的。單例模式接受單個事件，循環(huán)模式可以接受多個事件。
3. 模式示例：
有如下模式：a b+ c?d
其中a,b,c,d這些字母代表的是模式，+代表循環(huán)，b+就是循環(huán)模式;?代表可選，c?就是可選模式;
所以上述模式的意思就是：a后面可以跟一個或多個b，后面再可選的跟c，最后跟d。
其中a、c? 、d是單例模式，b+是循環(huán)模式。
一般情況下，模式都是單例模式，可以使用量詞(Quantifiers)將其轉(zhuǎn)換為循環(huán)模式。
每個模式可以帶有一個或多個條件，這些條件是基于事件接收進(jìn)行定義的?；蛘哒f，每個模式通過一個或多個條件來匹配和接收事件。
了解完上述概念后，接下來介紹下案例中需要用到的幾個CEP API：
案例中用到的CEP API：
- Begin：定義一個起始模式狀態(tài)
用法：start = Pattern.<:Event>begin("start");
- Next：附加一個新的模式狀態(tài)。匹配事件必須直接接續(xù)上一個匹配事件
用法：next = start.next("next");
- Where：定義當(dāng)前模式狀態(tài)的過濾條件。僅當(dāng)事件通過過濾器時，它才能與狀態(tài)匹配
用法：patternState.where(_.message == "TMD");
- Within: 定義事件序列與模式匹配的最大時間間隔。如果未完成的事件序列超過此時間，則將其丟棄
用法：patternState.within(Time.seconds(10));
- Times：一個給定類型的事件出現(xiàn)了指定次數(shù)
用法：patternState.times(5);
API 先介紹以上這幾個，接下來我們解決下文章開頭提到的案例：
監(jiān)測用戶彈幕行為案例
案例一：監(jiān)測惡意用戶
規(guī)則：用戶如果在10s內(nèi)，同時輸入 TMD 超過5次，就認(rèn)為用戶為惡意攻擊，識別出該用戶。
使用 Flink CEP 檢測惡意用戶：
- import org.apache.flink.api.scala._
- import org.apache.flink.cep.PatternSelectFunction
- import org.apache.flink.cep.scala.{CEP, PatternStream}
- import org.apache.flink.cep.scala.pattern.Pattern
- import org.apache.flink.streaming.api.TimeCharacteristic
- import org.apache.flink.streaming.api.scala.{DataStream, OutputTag, StreamExecutionEnvironment}
- import org.apache.flink.streaming.api.windowing.time.Time
- object BarrageBehavior01 {
- case class LoginEvent(userId:String, message:String, timestamp:Long){
- override def toString: String = userId
- }
- def main(args: Array[String]): Unit = {
- val env = StreamExecutionEnvironment.getExecutionEnvironment
- // 使用IngestionTime作為EventTime
- env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
- // 用于觀察測試數(shù)據(jù)處理順序
- env.setParallelism(1)
- // 模擬數(shù)據(jù)源
- val loginEventStream: DataStream[LoginEvent] = env.fromCollection(
- List(
- LoginEvent("1", "TMD", 1618498576),
- LoginEvent("1", "TMD", 1618498577),
- LoginEvent("1", "TMD", 1618498579),
- LoginEvent("1", "TMD", 1618498582),
- LoginEvent("2", "TMD", 1618498583),
- LoginEvent("1", "TMD", 1618498585)
- )
- ).assignAscendingTimestamps(_.timestamp * 1000)
- //定義模式
- val loginEventPattern: Pattern[LoginEvent, LoginEvent] = Pattern.begin[LoginEvent]("begin")
- .where(_.message == "TMD")
- .times(5)
- .within(Time.seconds(10))
- //匹配模式
- val patternStream: PatternStream[LoginEvent] = CEP.pattern(loginEventStream.keyBy(_.userId), loginEventPattern)
- import scala.collection.Map
- val result = patternStream.select((pattern:Map[String, Iterable[LoginEvent]])=> {
- val first = pattern.getOrElse("begin", null).iterator.next()
- (first.userId, first.timestamp)
- })
- //惡意用戶，實際處理可將按用戶進(jìn)行禁言等處理，為簡化此處僅打印出該用戶
- result.print("惡意用戶>>>")
- env.execute("BarrageBehavior01")
- }
- }
實例二：監(jiān)測刷屏用戶
規(guī)則：用戶如果在10s內(nèi)，同時連續(xù)輸入同樣一句話超過5次，就認(rèn)為是惡意刷屏。
使用 Flink CEP檢測刷屏用戶
- object BarrageBehavior02 {
- case class Message(userId: String, ip: String, msg: String)
- def main(args: Array[String]): Unit = {
- //初始化運(yùn)行環(huán)境
- val env = StreamExecutionEnvironment.getExecutionEnvironment
- //設(shè)置并行度
- env.setParallelism(1)
- // 模擬數(shù)據(jù)源
- val loginEventStream: DataStream[Message] = env.fromCollection(
- List(
- Message("1", "192.168.0.1", "beijing"),
- Message("1", "192.168.0.2", "beijing"),
- Message("1", "192.168.0.3", "beijing"),
- Message("1", "192.168.0.4", "beijing"),
- Message("2", "192.168.10.10", "shanghai"),
- Message("3", "192.168.10.10", "beijing"),
- Message("3", "192.168.10.11", "beijing"),
- Message("4", "192.168.10.10", "beijing"),
- Message("5", "192.168.10.11", "shanghai"),
- Message("4", "192.168.10.12", "beijing"),
- Message("5", "192.168.10.13", "shanghai"),
- Message("5", "192.168.10.14", "shanghai"),
- Message("5", "192.168.10.15", "beijing"),
- Message("6", "192.168.10.16", "beijing"),
- Message("6", "192.168.10.17", "beijing"),
- Message("6", "192.168.10.18", "beijing"),
- Message("5", "192.168.10.18", "shanghai"),
- Message("6", "192.168.10.19", "beijing"),
- Message("6", "192.168.10.19", "beijing"),
- Message("5", "192.168.10.18", "shanghai")
- )
- )
- //定義模式
- val loginbeijingPattern = Pattern.begin[Message]("start")
- .where(_.msg != null) //一條登錄失敗
- .times(5).optional //將滿足五次的數(shù)據(jù)配對打印
- .within(Time.seconds(10))
- //進(jìn)行分組匹配
- val loginbeijingDataPattern = CEP.pattern(loginEventStream.keyBy(_.userId), loginbeijingPattern)
- //查找符合規(guī)則的數(shù)據(jù)
- val loginbeijingResult: DataStream[Option[Iterable[Message]]] = loginbeijingDataPattern.select(patternSelectFun = (pattern: collection.Map[String, Iterable[Message]]) => {
- var loginEventList: Option[Iterable[Message]] = null
- loginEventList = pattern.get("start") match {
- case Some(value) => {
- if (value.toList.map(x => (x.userId, x.msg)).distinct.size == 1) {
- Some(value)
- } else {
- None
- }
- }
- }
- loginEventList
- })
- //打印測試
- loginbeijingResult.filter(x=>x!=None).map(x=>{
- x match {
- case Some(value)=> value
- }
- }).print()
- env.execute("BarrageBehavior02)
- }
- }
Flink CEP API
除了案例中介紹的幾個API外，我們在介紹下其他的常用API：
1. 條件 API
為了讓傳入事件被模式所接受，給模式指定傳入事件必須滿足的條件，這些條件由事件本身的屬性或者前面匹配過的事件的屬性統(tǒng)計量等來設(shè)定。比如，事件的某個值大于5，或者大于先前接受事件的某個值的平均值。
可以使用pattern.where()、pattern.or()、pattern.until()方法來指定條件。條件既可以是迭代條件IterativeConditions，也可以是簡單條件SimpleConditions。
FlinkCEP支持事件之間的三種臨近條件：
- next()：嚴(yán)格的滿足條件
示例：模式為begin("first").where(_.name='a').next("second").where(.name='b')當(dāng)且僅當(dāng)數(shù)據(jù)為a,b時，模式才會被命中。如果數(shù)據(jù)為a,c,b，由于a的后面跟了c，所以a會被直接丟棄，模式不會命中。
- followedBy()：松散的滿足條件
示例：模式為begin("first").where(_.name='a').followedBy("second").where(.name='b')當(dāng)且僅當(dāng)數(shù)據(jù)為a,b或者為a,c,b，模式均被命中，中間的c會被忽略掉。
- followedByAny()：非確定的松散滿足條件
示例：模式為begin("first").where(_.name='a').followedByAny("second").where(.name='b')當(dāng)且僅當(dāng)數(shù)據(jù)為a,c,b,b時，對于followedBy模式而言命中的為{a,b}，對于followedByAny而言會有兩次命中{a,b},{a,b}。
2. 量詞 API
還記得我們在上面講解模式概念時說過的一句話：一般情況下，模式都是單例模式，可以使用量詞(Quantifiers)將其轉(zhuǎn)換為循環(huán)模式。這里的量詞就是指的量詞API。
以下這幾個量詞API，可以將模式指定為循環(huán)模式：
- pattern.oneOrMore()：一個給定的事件有一次或多次出現(xiàn)，例如上面提到的b+。
- pattern.times(#ofTimes)：一個給定類型的事件出現(xiàn)了指定次數(shù)，例如4次。
- pattern.times(#fromTimes, #toTimes)：一個給定類型的事件出現(xiàn)的次數(shù)在指定次數(shù)范圍內(nèi)，例如2~4次。
- 可以使用pattern.greedy()方法將模式變成循環(huán)模式，但是不能讓一組模式都變成循環(huán)模式。greedy：就是盡可能的重復(fù)。
- 使用pattern.optional()方法將循環(huán)模式變成可選的，即可以是循環(huán)模式也可以是單個模式。
3. 匹配后的跳過策略
所謂的匹配跳過策略，是對多個成功匹配的模式進(jìn)行篩選。也就是說如果多個匹配成功，可能我不需要這么多，按照匹配策略，過濾下就可以。
Flink中有五種跳過策略：
- NO_SKIP: 不過濾，所有可能的匹配都會被發(fā)出。
- SKIP_TO_NEXT: 丟棄與開始匹配到的事件相同的事件，發(fā)出開始匹配到的事件，即直接跳到下一個模式匹配到的事件，以此類推。
- SKIP_PAST_LAST_EVENT: 丟棄匹配開始后但結(jié)束之前匹配到的事件。
- SKIP_TO_FIRST[PatternName]: 丟棄匹配開始后但在PatternName模式匹配到的第一個事件之前匹配到的事件。
- SKIP_TO_LAST[PatternName]: 丟棄匹配開始后但在PatternName模式匹配到的最后一個事件之前匹配到的事件。
怎么理解上述策略，我們以NO_SKIP和SKIP_PAST_LAST_EVENT為例講解下：
在模式為：begin("start").where(_.name='a').oneOrMore().followedBy("second").where(_.name='b')中，我們輸入數(shù)據(jù)：a,a,a,a,b ，如果是NO_SKIP策略，即不過濾策略，模式匹配到的是:{a,b},{a,a,b},{a,a,a,b},{a,a,a,a,b};如果是SKIP_PAST_LAST_EVENT策略，即丟棄匹配開始后但結(jié)束之前匹配到的事件，模式匹配到的是:{a,a,a,a,b}。
Flink CEP 的使用場景
除上述案例場景外，F(xiàn)link CEP 還廣泛用于網(wǎng)絡(luò)欺詐，故障檢測，風(fēng)險規(guī)避，智能營銷等領(lǐng)域。
1. 實時反作弊和風(fēng)控
對于電商來說，羊毛黨是必不可少的，國內(nèi)拼多多曾爆出 100 元的無門檻券隨便領(lǐng)，當(dāng)晚被人褥幾百億，對于這種情況肯定是沒有做好及時的風(fēng)控。另外還有就是商家上架商品時通過頻繁修改商品的名稱和濫用標(biāo)題來提高搜索關(guān)鍵字的排名、批量注冊一批機(jī)器賬號快速刷單來提高商品的銷售量等作弊行為，各種各樣的作弊手法也是需要不斷的去制定規(guī)則去匹配這種行為。
2. 實時營銷
分析用戶在手機(jī) APP 的實時行為，統(tǒng)計用戶的活動周期，通過為用戶畫像來給用戶進(jìn)行推薦。比如用戶在登錄 APP 后 1 分鐘內(nèi)只瀏覽了商品沒有下單;用戶在瀏覽一個商品后，3 分鐘內(nèi)又去查看其他同類的商品，進(jìn)行比價行為;用戶商品下單后 1 分鐘內(nèi)是否支付了該訂單。如果這些數(shù)據(jù)都可以很好的利用起來，那么就可以給用戶推薦瀏覽過的類似商品，這樣可以大大提高購買率。
3. 實時網(wǎng)絡(luò)攻擊檢測
當(dāng)下互聯(lián)網(wǎng)安全形勢仍然嚴(yán)峻，網(wǎng)絡(luò)攻擊屢見不鮮且花樣眾多，這里我們以 DDOS(分布式拒絕服務(wù)攻擊)產(chǎn)生的流入流量來作為遭受攻擊的判斷依據(jù)。對網(wǎng)絡(luò)遭受的潛在攻擊進(jìn)行實時檢測并給出預(yù)警，云服務(wù)廠商的多個數(shù)據(jù)中心會定時向監(jiān)控中心上報其瞬時流量，如果流量在預(yù)設(shè)的正常范圍內(nèi)則認(rèn)為是正?，F(xiàn)象，不做任何操作;如果某數(shù)據(jù)中心在 10 秒內(nèi)連續(xù) 5 次上報的流量超過正常范圍的閾值，則觸發(fā)一條警告的事件;如果某數(shù)據(jù)中心 30 秒內(nèi)連續(xù)出現(xiàn) 30 次上報的流量超過正常范圍的閾值，則觸發(fā)嚴(yán)重的告警。
Flink CEP 的原理簡單介紹
Apache Flink在實現(xiàn)CEP時借鑒了Efficient Pattern Matching over Event Streams論文中NFA的模型，在這篇論文中，還提到了一些優(yōu)化，我們在這里先跳過，只說下NFA的概念。
在這篇論文中，提到了NFA，也就是Non-determined Finite Automaton，叫做不確定的有限狀態(tài)機(jī)，指的是狀態(tài)有限，但是每個狀態(tài)可能被轉(zhuǎn)換成多個狀態(tài)(不確定)。
非確定有限自動狀態(tài)機(jī)：
先介紹兩個概念：
- 狀態(tài)：狀態(tài)分為三類，起始狀態(tài)、中間狀態(tài)和最終狀態(tài)。
- 轉(zhuǎn)換：take/ignore/proceed都是轉(zhuǎn)換的名稱。
在NFA匹配規(guī)則里，本質(zhì)上是一個狀態(tài)轉(zhuǎn)換的過程。三種轉(zhuǎn)換的含義如下所示：
- Take: 主要是條件的判斷，當(dāng)過來一條數(shù)據(jù)進(jìn)行判斷，一旦滿足條件，獲取當(dāng)前元素，放入到結(jié)果集中，然后將當(dāng)前狀態(tài)轉(zhuǎn)移到下一個的狀態(tài)。
- Proceed：當(dāng)前的狀態(tài)可以不依賴任何的事件轉(zhuǎn)移到下一個狀態(tài)，比如說透傳的意思。
- Ignore：當(dāng)一條數(shù)據(jù)到來的時候，可以忽略這個消息事件，當(dāng)前的狀態(tài)保持不變，相當(dāng)于自己到自己的一個狀態(tài)。
NFA的特點(diǎn)：在NFA中，給定當(dāng)前狀態(tài)，可能有多個下一個狀態(tài)。可以隨機(jī)選擇下一個狀態(tài)，也可以并行(同時)選擇下一個狀態(tài)。輸入符號可以為空。
規(guī)則引擎
規(guī)則引擎：將業(yè)務(wù)決策從應(yīng)用程序代碼中分離出來，并使用預(yù)定義的語義模塊編寫業(yè)務(wù)決策。接受數(shù)據(jù)輸入，解釋業(yè)務(wù)規(guī)則，并根據(jù)業(yè)務(wù)規(guī)則做出業(yè)務(wù)決策。
使用規(guī)則引擎可以通過降低實現(xiàn)復(fù)雜業(yè)務(wù)邏輯的組件的復(fù)雜性，降低應(yīng)用程序的維護(hù)和可擴(kuò)展性成本。
1. Drools
Drools 是一款使用 Java 編寫的開源規(guī)則引擎，通常用來解決業(yè)務(wù)代碼與業(yè)務(wù)規(guī)則的分離，它內(nèi)置的 Drools Fusion 模塊也提供 CEP 的功能。
優(yōu)勢：
- 功能較為完善，具有如系統(tǒng)監(jiān)控、操作平臺等功能。
- 規(guī)則支持動態(tài)更新。
劣勢：
- 以內(nèi)存實現(xiàn)時間窗功能，無法支持較長跨度的時間窗。
- 無法有效支持定時觸達(dá)(如用戶在瀏覽發(fā)生一段時間后觸達(dá)條件判斷)。
2. Aviator
Aviator 是一個高性能、輕量級的 Java 語言實現(xiàn)的表達(dá)式求值引擎，主要用于各種表達(dá)式的動態(tài)求值。
優(yōu)勢：
- 支持大部分運(yùn)算操作符。
- 支持函數(shù)調(diào)用和自定義函數(shù)。
- 支持正則表達(dá)式匹配。
- 支持傳入變量并且性能優(yōu)秀。
劣勢：
沒有 if else、do while 等語句，沒有賦值語句，沒有位運(yùn)算符。
3. EasyRules
EasyRules 集成了 MVEL 和 SpEL 表達(dá)式的一款輕量級規(guī)則引擎。
優(yōu)勢：
- 輕量級框架，學(xué)習(xí)成本低。
- 基于 POJO。
- 為定義業(yè)務(wù)引擎提供有用的抽象和簡便的應(yīng)用。
- 支持從簡單的規(guī)則組建成復(fù)雜規(guī)則。
4. Esper
Esper 設(shè)計目標(biāo)為 CEP 的輕量級解決方案，可以方便的嵌入服務(wù)中，提供 CEP 功能。
優(yōu)勢：
- 輕量級可嵌入開發(fā)，常用的 CEP 功能簡單好用。
- EPL 語法與 SQL 類似，學(xué)習(xí)成本較低。
劣勢：
- 單機(jī)全內(nèi)存方案，需要整合其他分布式和存儲。
- 以內(nèi)存實現(xiàn)時間窗功能，無法支持較長跨度的時間窗。
- 無法有效支持定時觸達(dá)(如用戶在瀏覽發(fā)生一段時間后觸達(dá)條件判斷)。
5. Flink CEP
Flink 是一個流式系統(tǒng)，具有高吞吐低延遲的特點(diǎn)，F(xiàn)link CEP 是一套極具通用性、易于使用的實時流式事件處理方案。
優(yōu)勢：
- 繼承了 Flink 高吞吐的特點(diǎn)。
- 事件支持存儲到外部，可以支持較長跨度的時間窗。
- 可以支持定時觸達(dá)(用 followedBy + PartternTimeoutFunction 實現(xiàn))。
文章標(biāo)題：以直播平臺監(jiān)控用戶彈幕為例詳解FlinkCEP
URL標(biāo)題：http://m.5511xx.com/article/djijddj.html
