随着大数据时代的到来,实时快速的产生了大量数据,很多行业需要对这些数据进行实时分析和处理。这些数据大多具有实时化、数据量庞大、数据个体价值较小的特性,但通过特定的规则对其进行深度分析能够挖掘出有效信息。为更好的处理和应对这些大数据,研究人员开始研发一些实时系统对数据进行准确快速的处理并提取有效信息。复杂事件处理是一种基于事件流的技术,这种技术使用事件驱动架构,通过分析事件间的时序、聚合等关系,从事件中提取出有效信息。现有的复杂事件处理系统及语言大多对事件流中的每个事件进行同样的筛选,并不支持通过筛选不同模式进入不同分支的查询操作。为使复杂事件处理语言满足这种更细粒度的查询需求,本研究为一种复杂事件处理语言CEStream扩展支持细粒度查询的用户自定义函数功能,同时提供一种参数化变量的机制,增加语言的可用性。研究中提出了一种以流模式匹配表达式作为函数的形式参数的方法。在定义用户自定义函数时,通过定义同名的重载函数,使用不同的流模式匹配形参对同一个输入流进行筛选,进而在调用函数时,可以根据不同的输入数据进入不同的函数定义分支。通过对函数的递归调用,函数重载机制和形式参数的流模式匹配,实现将实时到来的流数据根据数据内容和前后数据间的关系区分开,进入不同分支的操作。另外,用户自定义函数设计中,支持将变量以参数的形式传入,实现对赋值语句,原有查询语句等语句的封装。这种参数化的变量使复杂事件处理语言更加灵活,对用户更友好。实验结果表明,扩展的函数功能能够支持更细粒度的流数据处理场景。同时在使用函数功能完成原有语言可操作的查询时,函数功能的查询对系统吞吐量基本没有影响。