一种基于算子的可扩展复杂事件处理模型?
随着大数据处理的深入发展，系统单位时间内产生的数据日趋庞大，数据间的关联关系日趋复杂，这使得传统的“存储-查询”或者“发布-订阅”的方式无法很好地满足诸如故障监控、股票分析、医疗及生命保障等对大数据具有实时处理需求的系统。复杂事件处理技术实现的是将用户对特定的事件序列的查询需求映射到特定识别结构上。该结构从多个持续的数据流中分析并提取满足特定模式的事件序列。该技术能够很好地支持对大量数据进行实时在线分析。但由于在数据处理的过程中，系统不可能预置全部的查询语义，许多系统在使用过程中会需要使用新的语义，以查询新产生的模式。因此，一种支持扩展的语义的复杂事件处理模型是非常必要的。同时，现有的复杂事件处理模型仅针对某几类特定的查询进行描述以及优化，对整体模型缺乏统一描述，导致许多模型在多规则复杂查询的情况下效率欠佳。针对上述问题，提出了基于算子的可扩展复杂事件处理模型。该模型能够良好地支持现有的各类查询语义，具有较快的识别速度。基于该模型的形式化描述，对系统在识别过程中的性能消耗进行了详细分析，给出了模型构造最优算法。通过实验验证了算子模型优化方案的正确性。实验结果表明，经过优化后的树结构事件处理速度比开源复杂事件处理引擎Esper快3倍以上。
事件处理、事件算子、实时处理、匹配树
TP311(计算技术、计算机技术)
国家自然科学基金61133004;国家高技术研究发展计划8632011AA01A203
2015-01-22（万方平台首次上网日期，不代表论文的发表时间）
共16页
2715-2730
