大数据分析（BDA）包括大数据的采集、存储、分析、展示。而其中分析是BDA的关键。说到分析，可以分为历史分析和实时分析。上次我们着重提过了历史分析，尤其是交互式历史分析，当然还有批处理式的历史分析。
这次，我们回过头来再谈谈实时分析，包括流处理、CEP，等等。
说到CEP，复杂事件处理（Complex Event Process），在2009年的时候我就有博文提及过。经过这么些年，CEP技术不断演进，越来越实用化。Yahoo！的S4算是一个使用的CEP引擎，当然，还有我们今天谈及的Strom，这个Twitter的CEP引擎。
在今天的DevelperWorks上有篇文章谈到了Storm，大家可以看看，包括后面的参考链接。
流处理在进行实时分析的时候具有天然的优势，尤其是在相对于基于数据的分析的时候。流具有很高的实时性。
| 传统关系型数据库 |
流数据库 |
| 关系型数据库 |
面向对象的数据库，包括POJO |
| 磁盘/内存处理 |
内存处理 |
| 表（静态） |
流（动态、基于时间窗口） |
| 记录 |
事件 |
| 被动SQL查询 |
主动模式匹配（EQL，事件查询语言） |
EQL也有称为CQL，持续查询语言。
目前，在我们的SIEM产品中，关联分析引擎采用了CEP技术。
开源的CEP也不不少，例如Esper，不过，要真正应用到SIEM中，还需要较大的修改，直接用还是不合适的。关键是要理解CEP的精髓。呵呵。
【参考】
本文转自叶蓬 51CTO博客，原文链接：http://blog.51cto.com/yepeng/1079682，如需转载请自行联系原作者
