Prism — Realtime Event Action Trigger & Reporting System

Prism 是一套即時事件處理與觸發系統，支援事件接收、格式轉換、串流處理、DSL 規則觸發、巨量資料儲存與報表查詢。系統採用多專案（multi-tenant）架構，支援預設與自訂義屬性的事件與 Profile 模型。

系統架構總覽

┌─────────────┐     ┌──────────────────┐     ┌─────────────────────┐     ┌──────────┐
│   Client /  │     │  Event Ingest    │     │   Apache Kafka      │     │  Flink   │
│   SDK /     │────▶│  API (Rust)      │────▶│   (4 Partitions)    │────▶│  Event   │
│   Webhook   │     │  - 格式轉換       │     │   - event.raw       │     │ Processor│
└─────────────┘     │  - 驗證           │     │   - event.enriched  │     │ (Java)   │
                    └──────────────────┘     │   - event.triggered  │     │          │
                                             │   - event.dlq        │     │ - 計算    │
                                             └─────────────────────┘     │ - DSL    │
                                                                         │ - Trigger│
                                                                         └────┬─────┘
                                                                              │
                                                                              ▼
                    ┌──────────────────┐     ┌─────────────────────┐     ┌──────────┐
                    │  Frontend        │     │  Reporting API      │     │  DuckDB  │
                    │  (Next.js)       │────▶│  (Python/FastAPI)   │────▶│  Storage │
                    │  - 報表           │     │  - 巨量資料查詢      │     │          │
                    │  - Trigger 設定   │     │  - 聚合分析          │     └──────────┘
                    │  - 專案管理       │     └─────────────────────┘
                    └───────┬──────────┘
                            │
                            ▼
                    ┌──────────────────┐
                    │  PostgreSQL      │
                    │  - 專案設定       │
                    │  - 使用者管理     │
                    │  - Trigger 規則   │
                    └──────────────────┘

資料流程

客戶端透過 SDK 或 Webhook 發送事件至 Event Ingest API
Rust API 進行格式驗證與轉換，寫入 Kafka event.raw topic
Flink 從 Kafka 消費事件，執行進階計算與 AviatorScript DSL 規則
觸發結果寫入 Kafka event.triggered topic，事件資料寫入 DuckDB
Reporting API 從 DuckDB 查詢巨量資料，提供報表 API
Frontend 提供報表視覺化、Trigger 規則設定與專案管理介面

專案資料夾結構

prism/
├── README.md                          # 本文件
├── docker-compose.yml                 # 本地開發環境編排
├── docker-compose.infra.yml           # 基礎設施服務（Kafka, PG, DuckDB）
├── .env.example                       # 環境變數範本
│
├── services/
│   ├── event-ingest-api/              # Rust - 事件接收 API
│   │   ├── Cargo.toml
│   │   ├── Dockerfile
│   │   ├── src/
│   │   │   ├── main.rs
│   │   │   ├── config.rs              # 設定管理
│   │   │   ├── routes/                # HTTP 路由
│   │   │   │   ├── mod.rs
│   │   │   │   ├── event.rs           # 事件接收端點
│   │   │   │   └── health.rs          # 健康檢查
│   │   │   ├── models/                # 資料模型
│   │   │   ├── services/              # 業務邏輯（transformer, validator, kafka_producer）
│   │   │   ├── middleware/            # 中介層（auth, tenant）
│   │   │   └── errors.rs              # 錯誤處理
│   │   └── tests/
│   │
│   ├── flink-processor/               # Java - Flink 事件處理
│   │   ├── pom.xml
│   │   ├── Dockerfile
│   │   ├── src/main/java/com/prism/
│   │   │   ├── FlinkApplication.java  # 進入點
│   │   │   ├── config/                # 設定
│   │   │   ├── jobs/                  # Flink Jobs（Enrichment, TriggerEvaluation）
│   │   │   ├── functions/             # Flink Functions（Enrich, TriggerEval, DuckDBSink）
│   │   │   ├── dsl/                   # DSL 引擎（AviatorEngine, RuleCompiler）
│   │   │   ├── models/                # 資料模型（RawEvent, EnrichedEvent, TriggerResult）
│   │   │   └── sinks/                 # Sink（DuckDB, KafkaTrigger）
│   │   └── src/test/java/com/prism/
│   │
│   ├── backend-api/                   # Python - Backend API
│   │   ├── pyproject.toml
│   │   ├── Dockerfile
│   │   ├── app/
│   │   │   ├── main.py               # FastAPI 進入點
│   │   │   ├── config.py             # 設定管理
│   │   │   ├── routers/              # 路由（reports, analytics, health）
│   │   │   ├── services/             # 業務邏輯（query_builder, aggregator）
│   │   │   ├── models/               # Pydantic 模型
│   │   │   ├── db/                   # DuckDB 連線管理
│   │   │   └── middleware/           # 多租戶中介層
│   │   └── tests/
│   │
│   └── frontend/                      # Next.js - 前端應用
│       ├── package.json
│       ├── Dockerfile
│       ├── next.config.js
│       ├── tailwind.config.ts
│       ├── src/
│       │   ├── app/                   # App Router
│       │   │   ├── layout.tsx
│       │   │   ├── page.tsx
│       │   │   ├── (dashboard)/
│       │   │   │   ├── reports/       # 報表頁面
│       │   │   │   ├── triggers/      # Trigger 設定頁面
│       │   │   │   ├── events/        # 事件瀏覽頁面
│       │   │   │   └── settings/      # 專案設定頁面
│       │   │   └── (auth)/
│       │   │       └── login/
│       │   ├── components/
│       │   │   ├── ui/                # 基礎 UI 元件
│       │   │   ├── charts/            # 圖表元件
│       │   │   ├── triggers/          # Trigger 相關元件
│       │   │   └── layout/            # 版面元件
│       │   ├── lib/
│       │   │   ├── api.ts             # API 客戶端
│       │   │   └── utils.ts
│       │   ├── hooks/                 # 自訂 Hooks
│       │   ├── stores/                # 狀態管理 (Zustand)
│       │   └── types/                 # TypeScript 型別
│       └── tests/
│
├── shared/                            # 跨服務共用資源
│   ├── schemas/
│   │   ├── event.json                 # Event JSON Schema
│   │   ├── profile.json               # Profile JSON Schema
│   │   └── trigger-rule.json          # Trigger Rule Schema
│   └── proto/                         # Protocol Buffers（可選）
│       └── event.proto
│
├── infra/
│   ├── docker/
│   │   ├── kafka/
│   │   │   └── create-topics.sh       # Kafka topic 初始化
│   │   ├── postgres/
│   │   │   └── init.sql               # PostgreSQL 初始化
│   │   └── duckdb/
│   │       └── init.sql               # DuckDB schema 初始化
│   └── scripts/
│       ├── setup.sh                   # 開發環境初始化
│       └── seed.sh                    # 測試資料填充
│
└── docs/                              # 文件（已存在）
    ├── backend-api/
    ├── backend-worker/
    ├── database-design/
    └── frontend/

核心元件

1. Event Ingest API (Rust)

高效能事件接收服務，負責接收來自客戶端的事件資料，進行格式驗證與轉換後寫入 Kafka。

項目	說明
語言	Rust
框架	Actix Web 4
Kafka 客戶端	rdkafka (librdkafka binding)
序列化	serde + serde_json
驗證	validator crate
設定管理	config crate + 環境變數
日誌	tracing + tracing-subscriber
測試	cargo test + actix-web test utilities

核心功能

事件接收: POST /api/v1/events — 接收單一或批次事件
格式轉換: 將不同來源格式統一為內部 Event Schema
驗證: 驗證必填欄位、資料型別、自訂屬性格式
多租戶識別: 透過 API Key 或 Header 識別 Project
Kafka 寫入: 將驗證通過的事件寫入 event.raw topic（4 partitions）
健康檢查: GET /health — Liveness / Readiness probe

Kafka Topic 設計

Topic	用途	Partitions	Retention
`event.raw`	原始事件（經格式轉換後）	4	7 天
`event.enriched`	經 Flink 豐富化的事件	4	7 天
`event.triggered`	觸發結果通知	4	30 天
`event.dlq`	處理失敗的事件（Dead Letter Queue）	2	30 天

2. Flink Event Processor (Java)

基於 Apache Flink 2.2 的串流處理引擎，負責事件豐富化、進階計算與 DSL 規則觸發。

項目	說明
語言	Java 17
框架	Apache Flink 2.2
DSL 引擎	AviatorScript
儲存	DuckDB (透過 JDBC)
建構工具	Maven
測試	JUnit 5 + Flink MiniCluster

核心功能

事件豐富化: 從 Profile 資料補充事件上下文
進階計算: 滑動視窗聚合、計數、平均值等即時計算
DSL 規則引擎: 使用 AviatorScript 編譯並執行觸發規則
DuckDB 寫入: 將處理後的事件資料批次寫入 DuckDB
觸發通知: 將觸發結果寫入 event.triggered topic

Flink Job 架構

Kafka Source (event.raw)
    │
    ▼
EventEnrichFunction          ← 事件豐富化（補充 Profile 資料）
    │
    ├──▶ TriggerEvalFunction ← AviatorScript DSL 規則評估
    │       │
    │       └──▶ KafkaTriggerSink (event.triggered)
    │
    └──▶ DuckDBSinkFunction  ← 批次寫入 DuckDB

AviatorScript DSL 範例

// 購買金額超過 10000
event.name == 'purchase' && event.props.amount > 10000 && window.count('purchase', '5m') >= 1

// 新使用者首次登入
event.name == 'login' && profile.props.login_count == 0

// 自訂屬性條件
event.name == 'page_view' && event.props.campaign == 'summer_sale' && profile.props.vip_level >= 3

3. Reporting API (Python)

巨量資料報表查詢服務，透過 DuckDB 的高效分析能力提供即時報表與聚合分析。

項目	說明
語言	Python 3.12+
框架	FastAPI
資料庫	DuckDB (duckdb-python)
驗證	Pydantic v2
非同步	asyncio + anyio
設定管理	pydantic-settings + 環境變數
日誌	structlog
測試	pytest + httpx

核心功能

報表查詢: 支援時間範圍、事件類型、屬性篩選的彈性查詢
聚合分析: COUNT、SUM、AVG、PERCENTILE 等聚合函數
分群分析: 依 Profile 屬性或事件屬性進行分群統計
漏斗分析: 多步驟轉換漏斗計算
趨勢分析: 時間序列趨勢與同比/環比計算
匯出: 支援 CSV / JSON 格式匯出

4. Frontend (Next.js)

提供報表視覺化、Trigger 規則設定與專案管理的 Web 應用。

項目	說明
語言	TypeScript
框架	Next.js 15 (App Router)
樣式	Tailwind CSS 4
狀態管理	Zustand
資料取得	TanStack Query
圖表	Recharts 或 Apache ECharts
表單	React Hook Form + Zod
UI 元件	shadcn/ui
測試	Vitest + Playwright

核心頁面

頁面	路徑	說明
Dashboard	`/`	專案總覽與關鍵指標
Reports	`/reports`	報表查詢與視覺化
Events	`/events`	事件瀏覽與搜尋
Triggers	`/triggers`	Trigger 規則管理（CRUD + DSL 編輯器）
Profiles	`/profiles`	Profile 瀏覽與搜尋
Settings	`/settings`	專案設定、API Key 管理、屬性定義

DSL 編輯器

前端提供 AviatorScript DSL 的視覺化編輯器，支援語法高亮（Monaco Editor）、自動補全、即時語法驗證與規則測試功能。

資料模型

Event 模型

事件是系統的核心資料單位，包含預設屬性與自訂義屬性。

{
  "event_id": "uuid-v7",
  "project_id": "proj_abc123",
  "event_name": "purchase",
  "cts": 1771665000000,
  "sts": 1771665012345,
  "profile_id": "user_12345",

  "props": {
    "amount": 5999,
    "currency": "TWD",
    "item_count": 3,
    "payment_method": "credit_card",
    "campaign": "lunar_new_year",
    "referral_source": "email",
    "ab_test_variant": "B"
  },

  "ctx": {
    "ip": "203.0.113.42",
    "user_agent": "Mozilla/5.0...",
    "locale": "zh-TW",
    "device_type": "mobile",
    "os": "iOS",
    "app_version": "2.1.0"
  }
}

預設屬性（Properties）

欄位	型別	必填	說明
`event_id`	UUID v7	是	事件唯一識別碼（含時間排序）
`project_id`	String	是	所屬專案 ID
`event_name`	String	是	事件名稱（如 purchase, login, page_view）
`cts`	Integer	是	事件發生時間（Client UTC epoch ms）
`sts`	Integer	否	事件接收時間（Server UTC epoch ms，API 自動填入）
`profile_id`	String	否	關聯的 Profile ID
`props`	Object	否	事件屬性（預設與自訂皆存放於此）
`ctx`	Object	否	裝置與環境上下文

自訂義屬性

自訂義屬性與預設屬性統一存放於 props 欄位中，由各 Project 的 attribute_definitions 定義哪些屬性為自訂義屬性。

Profile 模型

Profile 代表一個使用者或實體，支援預設與自訂義屬性。

{
  "profile_id": "user_12345",
  "project_id": "proj_abc123",
  "created_at": 1736928000000,
  "updated_at": 1771665000000,

  "props": {
    "email": "user@example.com",
    "name": "王小明",
    "signup_date": 1736899200000,
    "login_count": 42,
    "last_active_at": 1771665000000,
    "vip_level": 3,
    "preferred_language": "zh-TW",
    "subscription_plan": "premium",
    "tags": ["early_adopter", "power_user"]
  }
}

預設屬性（Attributes）

欄位	型別	必填	說明
`profile_id`	String	是	Profile 唯一識別碼
`project_id`	String	是	所屬專案 ID
`created_at`	Integer	是	建立時間（UTC epoch ms）
`updated_at`	Integer	是	最後更新時間（UTC epoch ms）
`props`	Object	否	Profile 屬性（預設與自訂皆存放於此）

自訂義屬性

與 Event 相同，自訂義屬性統一存放於 props 欄位中，由各 Project 的 attribute_definitions 定義。Profile 的屬性可在 Flink 處理時用於事件豐富化與觸發規則評估。

Project 模型 (Multi-Tenant)

{
  "project_id": "proj_abc123",
  "name": "My App",
  "description": "Production tracking for My App",
  "created_at": 1735689600000,
  "updated_at": 1771578000000,
  "status": "active",

  "settings": {
    "timezone": "Asia/Taipei",
    "data_retention_days": 90,
    "max_custom_attributes": 50,
    "allowed_event_names": ["purchase", "login", "page_view", "signup"]
  },

  "api_keys": [
    {
      "key_id": "key_001",
      "prefix": "ef_live_",
      "created_at": 1735689600000,
      "last_used_at": 1771665000000,
      "status": "active"
    }
  ],

  "attribute_definitions": {
    "event": {
      "campaign": { "type": "string", "indexed": true },
      "referral_source": { "type": "string", "indexed": true },
      "ab_test_variant": { "type": "string", "indexed": false }
    },
    "profile": {
      "vip_level": { "type": "number", "indexed": true },
      "subscription_plan": { "type": "string", "indexed": true },
      "tags": { "type": "array", "items_type": "string", "indexed": false }
    }
  }
}

Multi-Tenant 隔離策略

層級	隔離方式
API	API Key 綁定 Project，請求層級隔離
Kafka	事件 payload 包含 `project_id`，共用 topic
Flink	處理時依 `project_id` 路由規則與計算
DuckDB	資料表包含 `project_id` 欄位，查詢時強制過濾
PostgreSQL	專案設定以 `project_id` 為主鍵隔離

基礎設施

PostgreSQL（專案設定）

儲存專案設定、使用者管理、Trigger 規則等結構化設定資料。核心資料表包含：

projects — 專案基本資訊與設定（JSONB）
api_keys — API Key 管理（儲存 hash，非明文）
attribute_definitions — 自訂義屬性定義（per project, per entity type）
trigger_rules — Trigger 規則（DSL + actions config）

完整 Schema 請參考 infra/docker/postgres/init.sql。

DuckDB（事件儲存與分析）

儲存大量事件資料，提供高效的分析查詢能力。核心資料表：

events — 事件主表（含 props, ctx 等 JSON 欄位）
profiles — Profile 快照表
trigger_logs — 觸發記錄表

完整 Schema 請參考 infra/docker/duckdb/init.sql。

Apache Kafka

設定	值
Broker 數量	1（開發）/ 3+（生產）
預設 Partitions	4
Replication Factor	1（開發）/ 3（生產）
訊息格式	JSON（開發）/ Avro 或 Protobuf（生產）
壓縮	zstd

開發環境設定

前置需求

工具	版本	用途
Docker	24+	容器化執行環境
Docker Compose	2.20+	服務編排
Rust	1.75+	Event Ingest API 開發
Java	17+	Flink Processor 開發
Maven	3.9+	Java 建構工具
Python	3.12+	Reporting API 開發
Node.js	20+	Frontend 開發
pnpm	9+	Node.js 套件管理

快速啟動

# 1. 複製環境變數範本
cp .env.example .env

# 2. 啟動基礎設施服務（Kafka, PostgreSQL, DuckDB）
docker compose -f docker-compose.infra.yml up -d

# 3. 初始化資料庫與 Kafka topics
./infra/scripts/setup.sh

# 4. 啟動所有應用服務
docker compose up -d

# 5. 填充測試資料（可選）
./infra/scripts/seed.sh

# 6. 開啟前端
open http://localhost:3000

各服務獨立開發

# Event Ingest API (Rust)
cd services/event-ingest-api
cargo run

# Flink Processor (Java)
cd services/flink-processor
mvn clean package
java -jar target/flink-processor.jar

# Backend API (Python)
cd services/backend-api
python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"
uvicorn app.main:app --reload --port 8001

# Frontend (Next.js)
cd services/frontend
pnpm install
pnpm dev

Docker Compose 服務對照

服務	Port	說明
event-ingest-api	8080	Rust 事件接收 API
flink-jobmanager	8081	Flink Web UI
flink-taskmanager	—	Flink 工作節點
backend-api	8001	Python Backend API
frontend	3000	Next.js 前端
kafka	9092	Kafka Broker
kafka-ui	9094	Kafka Web UI
postgres	5432	PostgreSQL
redis	6379	快取（報表查詢）

環境變數

完整環境變數請參考 .env.example。

技術選型與理由

Rust — Event Ingest API

零成本抽象、無 GC 停頓，Actix Web async runtime 適合高 QPS I/O 密集型事件接收。rdkafka 提供高效能 Kafka producer。

Apache Flink 2.2 — 串流處理

原生支援事件時間、視窗、狀態管理與 exactly-once 語義。水平擴展 TaskManager 處理更大流量，豐富的 Connector 生態系統。

AviatorScript — DSL 觸發引擎

編譯為 JVM bytecode 執行效率高，沙箱環境確保安全性，支援執行時期動態載入規則，類 JavaScript 語法降低學習成本。

DuckDB — 事件儲存與分析

列式儲存引擎分析查詢極快，嵌入式架構無需獨立伺服器，完整 SQL 支援與原生平行查詢執行。

Python + FastAPI — Reporting API

duckdb-python 原生整合，Pydantic v2 強型別驗證，FastAPI async 支援併發查詢，自動產生 OpenAPI 文件。

Next.js — Frontend

App Router 檔案系統路由，原生 TypeScript 支援，SSR/SSG 提升首屏載入，React 生態系統豐富。

API 設計概覽

Event Ingest API (Rust) — Port 8080

Method	Path	說明
POST	`/api/v1/events`	接收單一事件
POST	`/api/v1/events/batch`	批次接收事件（最多 100 筆）
POST	`/api/v1/profiles`	建立或更新 Profile
GET	`/api/v1/profiles/:id`	查詢 Profile
GET	`/health`	健康檢查
GET	`/metrics`	Prometheus metrics

請求範例

curl -X POST http://localhost:8080/api/v1/events \
  -H "Content-Type: application/json" \
  -H "X-API-Key: ef_live_abc123" \
  -d '{"event_name":"purchase","profile_id":"user_12345","props":{"amount":5999,"currency":"TWD"}}'

Reporting API (Python) — Port 8001

Method	Path	說明
POST	`/api/v1/reports/query`	執行報表查詢
POST	`/api/v1/reports/funnel`	漏斗分析
POST	`/api/v1/reports/trend`	趨勢分析
POST	`/api/v1/reports/segment`	分群分析
GET	`/api/v1/reports/export/:id`	匯出報表結果
GET	`/api/v1/events`	事件列表查詢
GET	`/api/v1/events/:id`	事件詳情
GET	`/health`	健康檢查

Frontend API Routes (Next.js) — Port 3000

Method	Path	說明
GET/POST	`/api/projects`	專案 CRUD
GET/POST	`/api/triggers`	Trigger 規則 CRUD
GET/POST	`/api/attributes`	屬性定義 CRUD
POST	`/api/triggers/test`	測試 Trigger 規則
GET/POST	`/api/api-keys`	API Key 管理

DSL 觸發引擎

架構

Rule Loader (from PG) → AviatorScript Compiler & Evaluator → Action Executor → Kafka Trigger Sink

規則透過 Rule Cache 做 Hot Reload，評估時結合 Event + Profile Context。

規則生命週期

使用者在 Frontend 建立 Trigger 規則（DSL + Actions 設定）
規則儲存至 PostgreSQL
Flink Processor 定期從 PostgreSQL 載入規則（或透過 Kafka 通知更新）
AviatorScript 編譯規則為 JVM bytecode 並快取
每個事件到達時，依 project_id 取得對應規則集
評估所有 active 規則，觸發匹配的規則
觸發結果寫入 event.triggered topic

Action 設定

觸發後可執行多個動作（actions 陣列），支援的動作類型：

Action Type	說明
`webhook`	發送 HTTP POST 至指定 URL
`kafka_publish`	發送訊息至指定 Kafka topic
`notification`	發送站內通知
`tag_profile`	為 Profile 新增標籤
`update_attribute`	更新 Profile 屬性

監控與可觀測性

Metrics（Prometheus 格式）

服務	關鍵指標
Event Ingest API	`ingest_events_total`, `ingest_latency_seconds`, `kafka_produce_errors_total`
Flink Processor	`flink_events_processed_total`, `trigger_evaluations_total`, `duckdb_write_latency`
Reporting API	`report_query_duration_seconds`, `report_query_total`, `duckdb_connection_pool_active`

Logging

所有服務使用結構化日誌（JSON 格式），包含 timestamp, level, service, project_id, trace_id, message 等欄位。

Health Checks

每個服務提供 GET /health 端點，回傳服務狀態、版本與各依賴連線狀態。

測試策略

各服務測試方式

服務	單元測試	整合測試	E2E 測試
Event Ingest API	`cargo test`	Docker + Kafka	API 端對端
Flink Processor	JUnit 5	Flink MiniCluster	Kafka → DuckDB 全流程
Reporting API	`pytest`	Docker + DuckDB	API 端對端
Frontend	Vitest	—	Playwright

Property-Based Testing

針對核心邏輯使用 Property-Based Testing：

事件格式轉換的正確性（任意合法輸入皆產生合法輸出）
DSL 規則編譯與評估的一致性
多租戶隔離的正確性（跨 Project 不可存取）
DuckDB 查詢結果的正確性

部署考量

開發環境

使用 Docker Compose 在本地完整運行所有服務，適合開發與測試。

生產環境建議

元件	建議
Event Ingest API	Kubernetes Deployment, HPA based on CPU/QPS
Flink	Flink on Kubernetes (Native Mode)
Reporting API	Kubernetes Deployment, HPA based on request latency
Frontend	Vercel 或 Kubernetes + Nginx
Kafka	Managed Kafka (AWS MSK, Confluent Cloud) 或 Kubernetes Operator
PostgreSQL	Managed RDS 或 Cloud SQL
DuckDB	Persistent Volume on Kubernetes 或 S3-backed storage
Redis	Managed ElastiCache 或 Kubernetes StatefulSet

擴展策略

Event Ingest API: 水平擴展多個 instance，透過 Load Balancer 分流
Kafka: 增加 Broker 與 Partition 數量提升吞吐量
Flink: 增加 TaskManager 數量處理更大事件流量
Reporting API: 水平擴展，搭配 Redis 快取減少 DuckDB 負載
DuckDB: 考慮 S3-backed storage 或分區策略處理超大資料量

License

MIT License

Contributing

Fork → feature branch → commit (Conventional Commits) → Pull Request

Commit Convention

使用 Conventional Commits：feat:, fix:, docs:, refactor:, test:, chore:

Name		Name	Last commit message	Last commit date
Latest commit History 19 Commits
docs		docs
infra		infra
services		services
shared		shared
tests		tests
.env.example		.env.example
.gitignore		.gitignore
README.md		README.md
docker-compose.infra.yml		docker-compose.infra.yml
docker-compose.yml		docker-compose.yml

Folders and files

Latest commit

History

Repository files navigation

Prism — Realtime Event Action Trigger & Reporting System

目錄

系統架構總覽

資料流程

專案資料夾結構

核心元件

1. Event Ingest API (Rust)

核心功能

Kafka Topic 設計

2. Flink Event Processor (Java)

核心功能

Flink Job 架構

AviatorScript DSL 範例

3. Reporting API (Python)

核心功能

4. Frontend (Next.js)

核心頁面

DSL 編輯器

資料模型

Event 模型

預設屬性（Properties）

自訂義屬性

Profile 模型

預設屬性（Attributes）

自訂義屬性

Project 模型 (Multi-Tenant)

Multi-Tenant 隔離策略

基礎設施

PostgreSQL（專案設定）

DuckDB（事件儲存與分析）

Apache Kafka

開發環境設定

前置需求

快速啟動

各服務獨立開發

Docker Compose 服務對照

環境變數

技術選型與理由

Rust — Event Ingest API

Apache Flink 2.2 — 串流處理

AviatorScript — DSL 觸發引擎

DuckDB — 事件儲存與分析

Python + FastAPI — Reporting API

Next.js — Frontend

API 設計概覽

Event Ingest API (Rust) — Port 8080

請求範例

Reporting API (Python) — Port 8001

Frontend API Routes (Next.js) — Port 3000

DSL 觸發引擎

架構

規則生命週期

Action 設定

監控與可觀測性

Metrics（Prometheus 格式）

Logging

Health Checks

測試策略

各服務測試方式

Property-Based Testing

部署考量

開發環境

生產環境建議

擴展策略

License

Contributing

Commit Convention

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages