WSO2流處理器混亂

Question

關於流處理器，我有點困惑。 我之前使用過CEP，現在我正在使用Stream Processor。

如果我沒弄錯的話，Data Analytics Server，CEP和Machine Learner合並到Stream Processor中，是真的嗎？

因為我發現了一些不一致的地方，例如SP無法直接在儀表板中發布，而CEP可以。 所以，我的問題是，CEP和ML中的所有部分都將流入SP？

Answer 1

DAS，CEP和ML尚未完全合並到流處理器中。

在DAS中，實時分析由Siddhi處理，批量分析通過Spark完成。 但是，在Stream Processor中，只有Siddhi充當核心處理器並且不使用Spark。

流處理器通過siddhi以流方式處理數據。 為了滿足批量分析的要求，可以使用已引入Siddhi 4.0.0的增量處理[1]。

此外，通過為Siddhi 4.0.0編寫的ml擴展提供ML支持。

在das / cep中，需要定義幾個工件，如接收器，執行計划，發布者等，以便創建分析工作流程。

但在Stream Processor中，可以在單個Siddhi-App中定義整個流程。

有關進一步說明，請參閱DAS到SP遷移指南[2]和WSO2分析站點[3]。

[1] https://wso2.github.io/siddhi/documentation/siddhi-4.0/#incremental-aggregation

[2] https://docs.wso2.com/display/SP4xx/Upgrading+from+a+Previous+Release

[3] https://wso2.com/analytics

Answer 2

WSO2 Stream Processor是最新的WSO2分析產品。 它具有WSO2 CEP具有的超級功能。 以下是WSO2 CEP與WSO2 SP的能力比較。

一般

• SP 4.x的核心是最新的siddhi 4.x ，它更穩定， 性能更高。 雖然CEP由Siddhi 3.x提供支持。
• SP基於C5，它比CEP（基於C4）更輕薄。
• SP被設計為容器友好且可以原生。 在集裝箱化環境中部署時，CEP面臨一些挑戰。
• 現在一切都包含在Siddhi應用程序中，這是一個單獨的文件，可以自己部署和執行。

增量分析

• 新的siddhi具有增量分析功能，旨在滿足批量分析。 通過此功能，用戶可以輕松地進行時間序列聚合，而無需與Spark等其他平台集成。
• 通過允許在同一消息流中完成兩種形式的分析，增量分析可以平滑地將實時分析與批量分析聯合起來。

分布式部署

• SP 4.x具有高度可擴展的分布式體系結構。 SP的容器友好性質讓它可以大規模擴展。
• 分布式部署具有容錯能力，並且在Apache Kafka的幫助下只支持一次處理。
• CEP分布式架構基於Apache Storm。
• 此外，SP還支持多數據中心部署。 雖然CEP沒有。

工裝

• SP有一個豐富的編輯器 ，支持自動完成，事件模擬，siddhi查詢調試等.CEP只在管理控制台中有查詢編輯器UI。
• SP的狀態儀表板允許用戶使用與Siddhi Apps和JVM的性能，資源消耗等相關的全面統計數據來監控其部署。 CEP擁有碳指標支持，僅顯示JVM統計數據。

商業規則

• SP具有業務規則功能，非技術用戶可以通過類似圖形向導的UI構建處理邏輯，而無需進行任何查詢。
• 開發人員可以使用此功能以抽象方式呈現復雜問題，這對業務用戶來說是可以理解的。
• CEP沒有專注於商業用戶的功能。

Answer 3

所以，我的問題是，CEP和ML中的所有部分都將流入SP？

我不相信。 StreamProcessor只有CEP，DAS或ML的功能子集。 恕我直言，它現在被提升，因為它是新的，更輕量和更快