测试数据准备

为了方便测试查询，我们首先准备一个静态的测试数据源：

// 创建数据源，要注意的是4:16和4:30之间存在的事件间隙
var sourceData = new []
{new { Status = 1, TimeStamp = new DateTime(2009, 10, 23, 4, 12, 0) },new { Status = 0, TimeStamp = new DateTime(2009, 10, 23, 4, 13, 0) },new { Status = 1, TimeStamp = new DateTime(2009, 10, 23, 4, 14, 0) },new { Status = 0, TimeStamp = new DateTime(2009, 10, 23, 4, 15, 0) },new { Status = 0, TimeStamp = new DateTime(2009, 10, 23, 4, 16, 0) },new { Status = 1, TimeStamp = new DateTime(2009, 10, 23, 4, 30, 0) },new { Status = 0, TimeStamp = new DateTime(2009, 10, 23, 4, 35, 0) },
};

接下去将上述数据源转变为点类型复杂事件流：

var source = sourceData.ToPointStream(Application, ev => PointEvent.CreateInsert(ev.TimeStamp.ToLocalTime(), ev),AdvanceTimeSettings.StrictlyIncreasingStartTime);

间隙事件检测

问题：怎样在计算聚合时加入间隙事件？

我们先执行一个基本的计数聚合查询，如“计算过去5分钟内事件的数目？”：

var countQuery = from window in source.TumblingWindow(TimeSpan.FromMinutes(5), HoppingWindowOutputPolicy.ClipToWindowEnd)select new { count = window.Count() };

结果如下：

读者可以发现在计数结果中并没有[4:20:00, 4:30:00)区间的事件，这里我们把这些未出现的事件称为“间隙事件”。

下面要解决的问题是如何在结果中加入并显示这些“间隙事件”。解决该问题的主要思路是采用左反半部联接：

第1步，定义起点在无穷小事件，终点在无穷大时间的参考事件流

var defaultEvent = new[] { new { count = (long)0 } };var defaultStream = defaultEvent.ToIntervalStream(Application, ev =>IntervalEvent.CreateInsert(DateTime.MinValue.ToUniversalTime(), DateTime.MaxValue.ToUniversalTime(), ev),AdvanceTimeSettings.StrictlyIncreasingStartTime);

结果如下：

第2步，使用左反半部联接找出间隙事件：

var gaps = from def in defaultStream where (from right in countQuery where true select right).IsEmpty()select def;

结果如下：

第3步，将countQuery和gaps联接并输出结果。

(from e in countQuery.Union(gaps).ToIntervalEnumerable()where e.EventKind == EventKind.Insertselect new { e.StartTime, e.EndTime, e.Payload.count }).Dump();

结果如下：