Flink Core 和 Flink CEP 在能力上有什么区别？
What is the difference between Flink Core and Flink CEP in respect of their capabilities?
这几天在研究 Flink CEP 库的过程中，给我的印象是它并没有在 Flink 的标准能力上增加任何新的基础功能。 Flink CEP 的唯一目的似乎就是让事件处理更简单，语义清晰，代码结构直观。例如，Flink CEP 仅呈现 5 semantics 的事件匹配跳过。尽管这些语义可能足以应对很大范围的情况，但它可能无法解决特定问题，这让我们 return 对 Flink 感到陌生。
测试用例是以下模式：
Emmit a alert(represented by 'a') for each non-overlapping pair of numbers in a stream
由模式表示：
Pattern.begin[EventType]("pair",skipStrategy).where(new AlwaysTrueFunction()).times(2)
因此，对于像（流中从左到右输入的数字）1 1 1 1 1 这样的输入，预期的输出将是 a a，但跳过 5 个匹配项的 none策略会给出正确的结果：
No-skip: a a a a
Skip-to-next: a a a a
Skip-past-last-event: a a a a
Skip-to-first[1]: a a a a
Skip-to-last[1]: a a a a
尽管这些策略无法生成所需的模式，但可以使用 RichFunction 和 ValueState 计数器轻松确定何时应发出新警报，转换输入流在一连串的事件中。
因此，我希望对这些问题有所了解：
如果Flink看起来更完整，为什么要创建CEP库？
使用 CEP 制作的模式比使用 Flink 标准 DataStream 运算符制作的模式更有效（更大的 throughput/other 指标）？（如果可能的话，为 articles/papers/documentation 提供一些链接关于这个)
感谢您使用 Flink CEP。
Flink CEP 是 Flink 之上的库。因此，它不会添加任何无法使用 vanilla Flink 实现的功能（ProcessFunctions 等）。事实上，在幕后它是作为一个特殊的操作符来实现的，它正在检查与特定模式匹配的元素，它的大部分功能甚至可以作为 ProcessFunction 来实现（有很多工具）。
也就是说，Flink CEP 可能不会添加普通 Flink 无法实现的功能，但它增加了表现力，使一些用例更容易实现。其他 API 也是如此，例如 Flink 中的 Windowing API，您可以使用 ProcessFunctions（有很多工具）来实现它。
现在说到效率，答案是"it depends"。手工制作一个针对您的用例量身定制的特殊流程函数，并针对您的工作负载进行所有可能的优化，可能比 FlinkCEP 更高效，因为后者是一个通用库。如果您有专业知识和时间，那么最佳解决方案始终是同时使用（CEP 和 vanilla Flink）实施 PoC，并为您的案例选择最有效的。
这几天在研究 Flink CEP 库的过程中，给我的印象是它并没有在 Flink 的标准能力上增加任何新的基础功能。 Flink CEP 的唯一目的似乎就是让事件处理更简单，语义清晰，代码结构直观。例如，Flink CEP 仅呈现 5 semantics 的事件匹配跳过。尽管这些语义可能足以应对很大范围的情况，但它可能无法解决特定问题，这让我们 return 对 Flink 感到陌生。
测试用例是以下模式：
Emmit a alert(represented by 'a') for each non-overlapping pair of numbers in a stream
由模式表示：
Pattern.begin[EventType]("pair",skipStrategy).where(new AlwaysTrueFunction()).times(2)
因此，对于像（流中从左到右输入的数字）1 1 1 1 1 这样的输入，预期的输出将是 a a，但跳过 5 个匹配项的 none策略会给出正确的结果：
No-skip: a a a a
Skip-to-next: a a a a
Skip-past-last-event: a a a a
Skip-to-first[1]: a a a a
Skip-to-last[1]: a a a a
尽管这些策略无法生成所需的模式，但可以使用 RichFunction 和 ValueState 计数器轻松确定何时应发出新警报，转换输入流在一连串的事件中。
因此，我希望对这些问题有所了解：
如果Flink看起来更完整，为什么要创建CEP库？
使用 CEP 制作的模式比使用 Flink 标准 DataStream 运算符制作的模式更有效（更大的 throughput/other 指标）？（如果可能的话，为 articles/papers/documentation 提供一些链接关于这个)
感谢您使用 Flink CEP。
Flink CEP 是 Flink 之上的库。因此，它不会添加任何无法使用 vanilla Flink 实现的功能（ProcessFunctions 等）。事实上，在幕后它是作为一个特殊的操作符来实现的，它正在检查与特定模式匹配的元素，它的大部分功能甚至可以作为 ProcessFunction 来实现（有很多工具）。
也就是说，Flink CEP 可能不会添加普通 Flink 无法实现的功能，但它增加了表现力，使一些用例更容易实现。其他 API 也是如此，例如 Flink 中的 Windowing API，您可以使用 ProcessFunctions（有很多工具）来实现它。
现在说到效率，答案是"it depends"。手工制作一个针对您的用例量身定制的特殊流程函数，并针对您的工作负载进行所有可能的优化，可能比 FlinkCEP 更高效，因为后者是一个通用库。如果您有专业知识和时间，那么最佳解决方案始终是同时使用（CEP 和 vanilla Flink）实施 PoC，并为您的案例选择最有效的。