Siddhi延迟查询

Question

我很难理解这个问题：

from heartbeats#window.time(1 hour) insert expired events into delayedStream;

from every e = heartbeats -> e2 = heartbeats[deviceId == e.deviceId]
  or expired = delayedStream[deviceId == e.deviceId]
within 1 hour 10 minutes 
select e.deviceId, e2.deviceId as id2, expired.deviceId as id3
insert into tmpStream;

• 第一个查询将所有事件延迟1小时。
• 第二个查询筛选1小时前发生的所有事件，没有找到较新的事件。

这是可行的，但我不明白这部分：

来自每一个e=心跳-> e2 = heartbeatsdeviceId == e.deviceId或过期= delayedStreamdeviceId == e.deviceId

查询的第二部分(或失效=.)检查具有给定deviceId的事件是否位于delayedStream上。第一部分的目的是什么，以及它是如何结合在一起的，这个查询发现的设备没有发送超过1小时的数据？

Answer 1

我不认为上述查询将是准确的，如果您想检查传感器是否没有发送读取在过去1小时。我把窗户调整为1分钟，发送了两个事件，

[2019-07-19 16:48:23,774] heartbeats : Event{timestamp=1563535103772, data=[1], isExpired=false}
[2019-07-19 16:48:24,696] tmpStream : Event{timestamp=1563535104694, data=[1, 1, null], isExpired=false}
[2019-07-19 16:48:24,697] heartbeats : Event{timestamp=1563535104694, data=[1], isExpired=false}
[2019-07-19 16:49:23,774] tmpStream : Event{timestamp=1563535163772, data=[1, null, 1], isExpired=false}

假设事件在10和10.15到达，tmpStream的输出将分别为10.15 (第一部分)和11 (由于流延迟)。第二个匹配是不正确的，因为它必须按照每个用例在11.15匹配。

但是，如果您想改进查询，可以在用例https://siddhi.io/en/v5.0/docs/query-guide/#detecting-non-occurring-events中使用Siddhi检测无发生模式特性，这将更加简单。