Drasi 是一个简化数据变化检测并能立即采取行动的数据处理平台。它提供了一个全面的解决方案，内置了跟踪系统日志和特定事件变化源的能力，评估其相关性，并自动启动适当的响应。访问我们的文档网站 https://drasi.io 获取详细信息。

Drasi 提供了实时的可操作洞察，而无需传统数据处理方法的复杂负担。它能够跟踪系统变化和事件，无需将数据复制到集中式数据湖或反复查询数据源。Drasi 使用查询持续评估传入的数据变化。当这些变化符合查询中指定的标准和条件时，查询结果集会更新。这些更新将触发基于上下文的反应，依照您的具体需求进行调整。

Drasi 通过以下三个组件运作：

数据源（Sources）：连接到软件系统中的数据存储库，监控日志和数据流，跟踪数据的变化。

持续查询（Continuous Queries）：通过应用标准和条件解释监控到的变化，以识别重要的变化。在 Drasi 中，这些持续查询是使用 Cypher 查询语言编写的。

反应（Reactions）：基于持续查询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，考虑一个在线点餐服务的配送系统。订单通过订单管理系统处理，而配送司机需要在订单准备好取货时实时收到通知。Drasi 自动化了这个过程：

配置一个数据源来监控订单管理系统中的订单状态变化，另一个数据源来检测司机何时可用于配送任务。

创建一个持续查询，结合两个数据源的数据，匹配准备好取货的订单和可用的司机。

定义一个反应，向司机发送通知，告知他们前往取货区域。此精简的设置确保司机能够及时收到通知，通过实时数据集成和自动化响应优化了配送过程。

请跟随 快速入门教程 体验 Drasi。教程将引导您完成以下步骤：

应用一个数据源，代表您希望观察其变化的数据源。

创建持续查询，定义要观察的数据、评估变化的条件，以及输出的结构。

应用调试反应（Debug Reaction），查看由一个或多个持续查询生成的输出。前往我们的网站 文档页面，访问 教程 和 如何操作 指南，了解更多 Drasi 的相关信息。

这是 Drasi 的一个早期版本，旨在让社区了解该平台并进行概念验证实验。请分享您对 Drasi 的看法，并通过 GitHub 提出您发现的任何问题或功能请求，以帮助改进 Drasi。此仓库包含构建基于 Drasi 的解决方案所需的一切，包括数据源、反应，以及用于开发和测试的工具。