我目前正在开发一个复杂的事件处理系统，用于每秒非常高的日志流〜100000个事件。计划将复杂的事件处理设置为一种框架，向该框架提供50-100条规则以对传入事件运行。
规则的结构如下。
它由操作组成，这些操作可以由发生次数和必须在其中发生的时间段界定
单个动作中的时间间隔，在该时间间隔中必须执行下一个动作。
请注意，我们有两种类型的时间限制，一种是针对操作的时间限制，另一种是针对操作的时间限制。
动作只是一个单独的事件，可以通过特定条件进一步过滤。
标准可能很简单，例如IP地址等于“ X.X.X.X”，也可能很复杂，例如Constant，Variable，Shared。
常数什么都不是，但是该字段的值保持不变。可以在CEP引擎中将其视为groupby。
变量是，对于动作中每次发生的事件，该字段的值都是可变的。 例如：在5分钟内，另一个端口被访问了50次。
共享字段是一个操作和另一个操作之间共享的字段。例如，此类字段将是第一个操作中的字段值应与第二个操作中的值匹配。
我也碰到了flink中的窗口，但是在一个大小为100的窗口的情况下，我感到怀疑。该窗口介于0到100之间，然后变为100到200。但是我们甚至会将数据关联起来在50到150之间。所以我需要找出如何在flink中完成。
一旦找到与某个模式匹配的内容，我们将仅删除与该模式匹配的条目，并且我们希望将剩余状态存储12小时，并在发生任何迟到事件时进行计算。
所以我想知道apache flink是否适合我的情况。