Drasi 是一个数据处理平台，可简化检测数据变化并立即采取行动的过程。它是一种全面的解决方案，提供内置功能来跟踪特定事件的系统日志和更改源、评估它们的相关性并自动启动适当的反应。请访问我们的文档网站https://drasi.io了解详细信息。
Drasi 提供实时可操作的洞察，无需传统数据处理方法的开销。它可以跟踪系统变化和事件，而无需将数据复制到中央数据湖或反复查询数据源。Drasi 使用查询来持续评估传入的数据变化。当变化符合这些查询中指定的标准和条件时，这些查询的结果集就会更新。然后，这些更新会触发根据您的特定要求定义的上下文感知反应。
Drasi 通过三个组件来运作：
- 源连接到软件系统内的数据存储库以监控日志和反馈，从而跟踪变化的数据。
- 连续查询通过应用标准和条件来解释监控到的变化，以识别重大变化。在 Drasi 中，这些连续查询是使用 Cypher 查询语言编写的。
- 反应会根据连续查询的结果集的更新触发有意义的响应。
为了说明 Drasi 如何解释事件并触发适当的响应，我们以在线订购服务的配送系统为例。订单通过订单管理系统进行处理，配送司机需要在订单准备好取货时收到实时通知。Drasi 通过以下方式实现此流程的自动化：
- 配置一个源来监控订单管理系统中订单状态的变化，并配置第二个源来检测何时有司机可以进行送货。
- 创建一个连续查询Cypher，结合两个来源的数据，将准备提货的订单与可用的司机进行匹配。
- 定义反应以向司机发送警报，通知他们前往取货区。这种简化的设置可确保及时通知司机，并通过实时数据集成和自动响应优化交付流程。
Cypher 支持
连续查询是使用Cypher 查询语言的子集编写的。如果您是 Cypher 新手，Cypher 查询语言的原始创建者 Neo4J 有很多资源可以帮助您理解、学习和尝试 Cypher，包括：
2014 年，构建了一个类似的事件驱动系统（但专门用于文档分发（文档可以分发给目标实体集；如果添加了新实体，我们需要解决哪些分布匹配））并且最终通过 Neo4j 使用了 Cypher（因为我们映射实体的方式具有复杂的分类结构）。
它是一种被严重低估的查询语言，虽然大多数查询也可以转换为关系 SQL，使用 WITH 子句的 Cypher 线性构造更容易推理。
Cypher 的关键之一（至少在图形数据库的上下文中）是它有一种很好的方法将“JOIN”操作表示为图形遍历。
MATCH (p:Person)-[r]-(c:Company) RETURN p.Name, c.Name |
其中
r 可以表示两个集合 Person 和 Company 之间的任何关系（又称为 JOIN），例如 WORKS_AT、EMPLOYED_BY、CONTRACTOR_FOR 等。Drasi 不仅仅是在数据上运行图形查询，它还使用 Cypher 查询语言作为一种方便的方式来表达您想要观察的数据变化。
Cypher 唯一问题是简单的查询看起来很棒，但：
- 一旦你需要非线性连接，它就会变得非常像 SQL。
- 当你使用 ORM 时，它就不再重要了。
- 当你需要迁移时，它会变得很痛苦！
网友：
以 Azure 为中心。两个安装指南（https://drasi.io/how-to-guides/install-sample-applications/b...和https://drasi.io/how-to-guides/install-sample-applications/c...）都需要 Azure 才能运行
在 EKS 集群中安装 Drasi 比在其他平台上进行标准安装要复杂得多。这种方法不需要使用提供的安装脚本下载 CLI 二进制文件，而是需要修改 Drasi CLI 的源代码并构建 CLI 的本地版本。