Esper学习之七：EPL语法（三）

1.Aggregation

和SQL一样，EPL也有Aggregation，即聚合函数。语法如下：

1. aggregate_function([all|distinct] expression)

aggregate_function就是聚合函数的名字，比如avg，sum等。expression通常是事件流的某个属性，也可以是不同事件流的多个属性，或者是属性和常量、函数之间的运算。举例如下。

1. // 查询最新5秒的Apple的平均价格
2. select avg(price) as aPrice from Apple.win:time(5 sec)
3. // 查询最新10个Apple的价格总和的两倍
4. select sum(price*2) as sPrice from Apple.win:length(10)
5. // 查询最新10个Apple的价格，并用函数计算后再算平均值
6. select avg(Compute.getResult(price)) from Apple.win:length(10)

函数只能是静态方法，普通方法不可用。即使是事件流里包含的静态方法，也必须用“类名.方法名”的方式进行引用。

可以使用distinct关键字对expression加以约束，表示去掉expression产生的重复的值。默认情况下为all关键字，即所有的expression值都参与聚合运算。例如：

1. // 查询最新5秒的Apple的平均价格
2. select avg(distinct price) as aPrice from Apple.win:time(5 sec)
3. // 假如：5秒内进入了三个Apple事件，price分别为2,1,2。则针对该EPL的平均值为(2+1)/2=1.5。因为有distinct的修饰，所以第二个2不参与运算，事件总数即为2，而不是3。

以上就是聚合函数的使用方法，除此之外需要注意一下几点

1.聚合函数能用于Select和Having，但是不能用于Where

2.sum,avg,media,stddev,avedev只能计算数值，至于media，stddev和avedev代表什么意思，请自行百度。

3.Esper会忽略expression为null不让参与聚合运算，但是count函数除外，即使是null也认为是一个事件。如果事件流集合中没有包含任何事件，或者包含的事件中用于聚合计算的expression都是null（比如收集5秒内进入的事件即为一个事件流集合），则所有聚合函数都返回null。

2.Group by

Group by通常配合聚合函数使用。语法和SQL基本一样，产生的效果就是以某一个或者多个字段进行分组，然后使聚合函数作用于不同组的数据。简单语法如下：

1. group by aggregate_free_expression [, aggregate_free_expression] [, ...]

使用Group by要注意一下几点：

1.Group by后面的内容不能包含聚合函数

2.Group by后面的内容不能是之前select子句中聚合函数修饰的属性名

3.通常情况要保证分组数量有限制，以防止内存溢出。但是如果分组分了很多，就需要使用@Hint加以控制。

2.1.Group by基本用法

针对上面的第三点，后面再说，先举几个例子说明下简单用法：

1. // 根据color和size来对10个Apple事件进行分组计算平均price
2. select avg(price) as aPrice, color, size from Apple.win:length_batch(10) group by color,size

该句子遵从SQL的标准，如果某个事件的color和size和之前进入的事件的一样，则归为一组，否则新建一组，并计算平均price

1. // 根据size来对10个Apple事件进行分组计算平均price和color
2. select avg(price) as aPrice, color, size from Apple.win:length_batch(10) group by size

可以发现，group by的对象只有size，而select中color不聚合，则生成的结果时，聚合函数会根据相同的size分组进行平均price的计算，但是color不是分组条件，所以color有多少个就有多少组，即使存在一样的color也不会影响分组数量（实际上就是不分组），但一定记住，聚合函数还是会根据分组条件计算其修饰的属性。

1. // 根据size来对10个Apple事件进行分组计算平均price和color<pre name="code" class="plain">select avg(price) as aPrice, color from Apple.win:length_batch(10) group by size</pre>

这一次select子句中没有包含分组的字段size，但是效果和上一个句子一样。Esper仍然会根据相同的size进行分组计算平均price，只不过计算结果中只有平均price和color，并且有十排结果。

1. // 根据size乘color来对10个Apple事件进行分组计算平均price<pre name="code" class="plain">select avg(price) as aPrice, size*color from Apple.win:length_batch(10) group by size*color</pre>

group by的对象只是一个值，以相同的值进行分组，所以上面和和普通的属性字段一样，计算一个值进行分组。如果group by后面的表达式值为null，则所有为null的事件都被分为一组进行计算。但是如果使用了count函数，则表达式为null的事件不会被计算在内。

2.2.@Hint

@Hint是Esper中注解的其中一个，如果不了解注解，可以先看看Esper学习之五：EPL语法（一）的第7节再继续阅读@Hint的内容。之前对@Hint一笔带过，那是因为它是专用于Group by的。我们平时使用Group by的时候，会遇到分组数量太多的情况。比如以时间单位进行分组，那么内存使用一定是一个大问题。因此@Hint为其设计了两个属性，用于限制Group by的生存时间，使虚拟机能及时回收内存。这两个属性分别为reclaim_group_aged和reclaim_group_freq

reclaim_group_aged

该属性后面跟着的是正整数，以秒为单位，表示在n秒内，若分组的数据没有进行更新，则分组数据被Esper回收。例如：

1. // 根据color对10秒内进入的Apple事件进行分组计算平均price,并且对5秒内没有数据更新的分组进行回收
2. @Hint('reclaim_group_aged=5')select avg(price) as aPrice, color from Apple.win:time(10 sec) group by color //括号内可以使单引号也可以是双引号

reclaim_group_freq

该属性后面跟着的是正整数，以秒为单位，表示每n秒清理一次分组，可清理的分组是reclaim_group_aged决定的，也就是说要使用该参数，就要配合reclaim_group_aged一起使用。可能不是很好理解，先看看例子：

1. // 根据color对10秒内进入的Apple事件进行分组计算平均price。对8秒内没有数据更新的分组进行回收,每2秒回收一次
2. @Hint('reclaim_group_aged=8，reclaim_group_freq=2')select avg(price) as aPrice, color from Apple.win:time(10 sec) group by color

如果不使用reclaim_group_freq属性，则默认值和reclaim_group_aged的值一样，对上面来说就是回收的条件为8秒内没有数据更新，且每8秒回收一次。这样的话有可能出现这么一种情况，上一个8秒的某个分组在下一个8秒还没到达时就已经持续8秒没有数据更新了（这句话会不会有点绕？），但是必须等到回收的时间点到达时才能回收这个分组。在分组产生很快的情况下，这样的回收不及时很可能会造成内存溢出。reclaim_group_freq正是为这种情况做准备，回收的频率高一些，在一定程度上能提高内存的使用率。

上面这两个属性的值除了可以使用正整数之外，也可以使用预先定义的变量或者常量

3.Having

Having的用法和SQL一样，后面跟的是对聚合函数的计算结果进行过滤。Where子句不能包含聚合函数，所以就由Having来完成。示例如下：

1. // 根据size来对10个Apple事件进行分组计算平均price和color,并且排除平均price大于5的分组<pre name="code" class="plain"><pre name="code" class="plain">select avg(price) as aPrice, color from Apple.win:length_batch(10) group by size having avg(price) > 5</pre></pre>

通常Having配合Group by使用，如果没有使用Group by，那么就只有一组。例如：

1. // 根据size来对10个Apple事件计算平均price和color,如果平均price大于5，则数据被排除掉<pre name="code" class="plain"><pre name="code" class="plain">select avg(price) as aPrice, color from Apple.win:length_batch(10) having avg(price) > 5</pre></pre>

Having后面可以跟多个判断式子，并且用and，or或者not进行连接。例如：

1. // 根据size来对10个Apple事件计算平均price和color,如果平均price大于5并且平均size小于3，则数据被排除掉<pre name="code" class="plain"><pre name="code" class="plain">select avg(price) as aPrice, color from Apple.win:length_batch(10) having avg(price) > 5 and avg(size) < 3</pre></pre>

4.Output

4.1.基本语法

Output是EPL中非常有用的东西，用来控制Esper对事件流计算结果的输出时间和形式，可以以固定频率，也可以是某个时间点输出。简单语法如下：

1. output [after suppression_def]
2. [[all | first | last | snapshot] every time_period | output_rate events]

after suppression_def是可选参数，表示先满足一定的条件再输出。

all | first | last | snapshot表明输出结果的形式，默认值为all。

every output_rate表示输出频率，即每达到规定的频率就进行输出。time_period表示时间频率，相关语法在Esper学习之五：EPL语法（一）的第2节有说到。output_rate events表示事件数量。

举例说明如下：

1. // 30分钟内，每进入一个OrderEvent，统计一次sum price，并且每60秒输出一次统计结果。
2. select sum(price) from OrderEvent.win:time(30 min) output snapshot every 60 seconds

4.2.after

之前在讲解Context的时候，有简单说到过after。关于Context，可参看Esper学习之四：Context。after在output里的使用也很简单，语法如下：

1. output after time_period | number events [...]

time_period表示时间段，number events表示事件数量。表示从EPL可用开始，经过一段时间或者接收到一定数量的事件再进行输出。例如：

1. // 统计20个Apple事件的sum price，并且在有5个Apple事件进入后才开始输出统计结果
2. select sum(price) from Apple.win:length(20) output after 5 events

上面这个句子从第一个进入的事件进行统计，直到进入了5个事件以后才输出统计结果，之后每进入一个事件输出一次（这是win:length的特性）。但是要注意的是，after之后的时间长度和事件数量会影响之后的时间或者事件数量。什么意思？看个完整例子：

1. /**
2. *
3. * @author luonanqin
4. *
5. */
6. class Banana
7. {
8. private int id;
9. private int price;
10. public int getId()
11. {
12. return id;
13. }
14. public void setId(int id)
15. {
16. this.id = id;
17. }
18. public int getPrice()
19. {
20. return price;
21. }
22. public void setPrice(int price)
23. {
24. this.price = price;
25. }
26. public String toString()
27. {
28. return "id: " + id + ", price: " + price;
29. }
30. }
31. class OutputAfterListener implements UpdateListener
32. {
33. public void update(EventBean[] newEvents, EventBean[] oldEvents)
34. {
35. if (newEvents != null)
36. {
37. int price = (Integer) newEvents[0].get("sPrice");
38. System.out.println("Banana's sum price is " + price);
39. }
40. }
41. }
42. public class OutputAfterTest
43. {
44. public static void main(String[] args) throws InterruptedException
45. {
46. EPServiceProvider epService = EPServiceProviderManager.getDefaultProvider();
47. EPAdministrator admin = epService.getEPAdministrator();
48. String banana = Banana.class.getName();
49. // 统计最新3个Banana事件的sum price，并且从EPL可用起，等待第一个事件进入后，以每两个事件进入的频率输出统计结果
50. String epl = "select sum(price) as sPrice from " + banana + ".win:length(3) output after 1 events snapshot every 2 events";
51. EPStatement state = admin.createEPL(epl);
52. state.addListener(new OutputAfterListener());
53. EPRuntime runtime = epService.getEPRuntime();
54. Banana b1 = new Banana();
55. b1.setId(1);
56. b1.setPrice(6);
57. System.out.println("Send Banana Event: " + b1);
58. runtime.sendEvent(b1);
59. Banana b2 = new Banana();
60. b2.setId(2);
61. b2.setPrice(3);
62. System.out.println("Send Banana Event: " + b2);
63. runtime.sendEvent(b2);
64. Banana b3 = new Banana();
65. b3.setId(3);
66. b3.setPrice(1);
67. System.out.println("Send Banana Event: " + b3);
68. runtime.sendEvent(b3);
69. Banana b4 = new Banana();
70. b4.setId(4);
71. b4.setPrice(2);
72. System.out.println("Send Banana Event: " + b4);
73. runtime.sendEvent(b4);
74. Banana b5 = new Banana();
75. b5.setId(5);
76. b5.setPrice(4);
77. System.out.println("Send Banana Event: " + b5);
78. runtime.sendEvent(b5);
79. }
80. }

执行结果：

1. Send Banana Event: id: 1, price: 6
2. Send Banana Event: id: 2, price: 3
3. Send Banana Event: id: 3, price: 1
4. Banana's sum price is 10
5. Send Banana Event: id: 4, price: 2
6. Send Banana Event: id: 5, price: 4
7. Banana's sum price is 7

由此可见，after之后的every子句要等到after后面的表达式满足后才生效。所以第一个事件进入后，every 2 events生效，即等待两个事件进入后才输出结果。对于时间也是要等到after的子句满足后才开始计时。例如：

1. // 从EPL可用开始计时，经过1分钟后，每5秒输出一次当前100秒内的所有Banana的avg price（即：第一次输出在65秒时）
2. select avg(price) from Banana.win:time(100 sec) after 1 min snapshot every 5 sec

4.3.first，last，all，snapshot

每当达到输出时间点时，可以用这四个参数来控制输出内容。下面分别介绍并举例。

first

表示每一批可输出的内容中的第一个事件计算结果。比如：

1. select * from Fruit output first every 2 events

上面的句子表示每进入两个Fruit事件，输出这两个事件的第一个。
last

和first类似，表示每一批可输出的内容中的最后一个事件计算结果。比如：

1. select * from Fruit output last every 2 events

上面的句子表示每进入两个Fruit事件，输出这两个事件的第二个，也就是最后一个。

snapshot

表示输出EPL所保持的所有事件计算结果，通常用来查看view或者window中现存的事件计算结果。比如：

1. select * from Fruit.win:time(5 sec) output snapshot every 2 events

上面的句子表示每进入两个事件输出5 sec内的所有事件，且不会讲这些事件从5 sec范围内移除

all

也是默认值。和snapshot类似，也是输出所有的事件，但是不同的是，snapshot相当于对计算结果拍了一张照片，把结果复制出来并输出，而all是把计算结果直接输出，不会复制。比如：

1. select * from Fruit.win:time(5 sec) output all every 2 events

上面的句子表示每进入两个事件输出5 sec内包含的所有事件，输出的事件不再保留于5 sec范围内。

4.4.Crontab Output

output的另一个语法可以建立定时输出，关键字是at。语法如下：

1. output [after suppression_def]
2. [[all | first | last | snapshot] at
3. (minutes, hours, days of month, months, days of week [, seconds])]

minutes, hours, days of month, months, days of week [, seconds]这些都是时间单位，语法后面再细说。举个简单的例子：

1. // 在8点到17点这段时间内，每15分钟输出一次
2. select * from Fruit output at (*/15,8:17,*,*,*)

4.5.when

Output还可以使用when来实现达到某个固定条件再输出的效果，一般通过变量，用户自定义的 函数以及output内置的属性来实现。基本语法如下：

1. output [after suppression_def]
2. [[all | first | last | snapshot] when trigger_expression
3. [then set variable_name = assign_expression [, variable_name = assign_expression [,...]]]

trigger_expression返回true或者false，表示输出或者不输出

then set variable_name=assign_expression表示是当trigger_expression被触发时，可对变量重新赋值。完整例子如下：

1. /**
2. *
3. * @author luonanqin
4. *
5. */
6. class Pink
7. {
8. private int id;
9. private int price;
10. public int getId()
11. {
12. return id;
13. }
14. public void setId(int id)
15. {
16. this.id = id;
17. }
18. public int getPrice()
19. {
20. return price;
21. }
22. public void setPrice(int price)
23. {
24. this.price = price;
25. }
26. public String toString()
27. {
28. return "id: " + id + ", price: " + price;
29. }
30. }
31. class OutputWhenListener implements UpdateListener
32. {
33. public void update(EventBean[] newEvents, EventBean[] oldEvents)
34. {
35. if (newEvents != null)
36. {
37. for (int i = 0; i < newEvents.length; i++)
38. {
39. Pink pink = (Pink) newEvents[i].getUnderlying();
40. System.out.println("Output Pink: " + pink);
41. }
42. }
43. }
44. }
45. public class OutputWhenTest
46. {
47. public static void main(String[] args) throws InterruptedException
48. {
49. EPServiceProvider epService = EPServiceProviderManager.getDefaultProvider();
50. EPAdministrator admin = epService.getEPAdministrator();
51. ConfigurationOperations config = admin.getConfiguration();
52. config.addVariable("exceed", boolean.class, false);
53. String pink = Pink.class.getName();
54. // 当exceed为true时，输出所有进入EPL的事件，然后设置exceed为false
55. String epl = "select * from " + pink + " output when exceed then set exceed=false";
56. EPStatement state = admin.createEPL(epl);
57. state.addListener(new OutputWhenListener());
58. EPRuntime runtime = epService.getEPRuntime();
59. Random r = new Random(47);
60. for (int i = 1; i <= 10; i++)
61. {
62. int price = r.nextInt(10);
63. Pink p = new Pink();
64. p.setId(i);
65. p.setPrice(price);
66. System.out.println("Send Pink Event: " + p);
67. runtime.sendEvent(p);
68. // 当price大于5时，exceed变量为true
69. if (price > 5)
70. {
71. runtime.setVariableValue("exceed", true);
72. // 因为主线程和输出线程不是同一个，所以这里休息1秒保证输出线程将事件全部输出，方便演示。
73. Thread.sleep(1000);
74. }
75. }
76. }
77. }

执行结果：

1. Send Pink Event: id: 1, price: 8
2. Output Pink: id: 1, price: 8
3. Send Pink Event: id: 2, price: 5
4. Send Pink Event: id: 3, price: 3
5. Send Pink Event: id: 4, price: 1
6. Send Pink Event: id: 5, price: 1
7. Send Pink Event: id: 6, price: 9
8. Output Pink: id: 2, price: 5
9. Output Pink: id: 3, price: 3
10. Output Pink: id: 4, price: 1
11. Output Pink: id: 5, price: 1
12. Output Pink: id: 6, price: 9
13. Send Pink Event: id: 7, price: 8
14. Output Pink: id: 7, price: 8
15. Send Pink Event: id: 8, price: 0
16. Send Pink Event: id: 9, price: 2
17. Send Pink Event: id: 10, price: 7
18. Output Pink: id: 8, price: 0
19. Output Pink: id: 9, price: 2
20. Output Pink: id: 10, price: 7

从结果可以看出来。当price大于5的时候，设置exceed变量为true，即可输出之前进入的所有事件，then set子句将exceed设置为false，等待下一次exceed=true时触发输出。由于输出线程是单独的线程，所以如果不sleep，结果可能会和这个不同。

对于when关键字，Esper提供了一些内置的属性帮助我们实现更复杂的输出约束。如图所示：

以上5个属性我就不多做解释了，使用方式是作为trigger_expression跟在when关键字的后面。例如：

1. // 进入的Apple事件总数达到5个时才输出，且不清零count_insert_total属性，继续累加事件总数
2. select * from Apple output when count_insert_total=5
3. // 移除的Apple事件总数达到4个时才输出，并清零count_remove属性
4. select * from Apple output when count_remove=4

另外，在使用when的时候，有两点需要注意：

1.当trigger_expression返回true时，Esper会输出从上一次输出之后到这次输出之间所有的insert stream和remove stream。

2.若trigger_expression不断被触发并返回true时，则Esper最短的输出间隔为100毫秒。

3.expression不能包含事件流的属性，聚合函数以及prev函数和prior函数

4.6.Context Terminated

Output还针对Context专门设计了一个输出条件，即在Context终止时输出Context中的内容。关于Context，可以看看Esper学习之四：Context。具体语法如下：

1. output when terminated [and termination_expression]
2. [then set variable_name = assign_expression [, variable_name = assign_expression [,...]]]]

when terminated是关键字，之前可以通过and连接其他的式子一起使用。termination_expression是一个返回true或者false的表达式，同trigger_expression一样。举例如下：

1. // 在MyContext下，查询context的id并计算Apple的sum price，当Context结束且输入的事件总数大于10时，输出。然后设置FinishCompute变量为true
2. context MyContext select context.id, sum(price) from Apple output when terminated and count_insert_total > 10 then set FinishCompute = true
3. // 在MyContext下，计算Apple的avg size，并每1分钟输出第一个进入的事件计算结果，当context结束时也输出一次计算结果
4. context MyContext select avg(size) from Apple output first every 1 min and when terminated

Output和Aggregation，Group by一起使用时，first，last，all，snapshot四个关键字产生的效果会比较特别。建议各位自己看看Esper的官方文档的Appendix A，有相当完整的例子做说明，因为篇幅较长，所以我没有放在文章里进行讲解。另外针对first，last，all，snapshot四个关键字，只有使用snapshot是不会缓存计算结果。其他的关键字会缓存事件直到触发了输出条件才会释放，所以如果输入的数据量比较大，就要注意输出条件被触发前的内存使用量。

关于Output的内容比较多，使用起来也比较灵活。各位在使用的时候，也许会发现自己写的达不到预期的效果，本人在使用的时候也遇到过，所以还请各位耐心地多试几次。Group by和Aggregation和SQL的类似，所以使用起来很容易。