面向長過程的復雜事件檢測技術的研究.pdf

1、隨著無線射頻識別(Radio Frequency Identification，RFID)、傳感器等電子數(shù)據(jù)采集設備(Electronic Data Gathering Equipment，EDGE)的不斷發(fā)展，產生了空前的海量數(shù)據(jù)。由于復雜事件檢測技術能夠幫助人們從這些海量數(shù)據(jù)中獲取其所需信息，因而近年來受到了廣泛關注與研究。那些傳統(tǒng)的方法大多是通過建立某種內存數(shù)據(jù)結構，并采用某種能夠減少中間結果的優(yōu)化策略，從而達到對一段較短時間內發(fā)

2、生的復雜事件進行檢測的目的。然而，現(xiàn)實生活中，除了這種在短期內即可發(fā)生的復雜事件之外，還存在許多復雜事件，從它們開始發(fā)生到其完全結束需要花費很長時間。換言之，人們周圍還存在著許多符合長過程特點的事件流。由于內存的限制，采用傳統(tǒng)的復雜事件檢測技術不能夠對這種事件流進行處理，而且目前幾乎還沒有針對長過程事件流進行復雜事件檢測的相關研究成果，因此對長過程復雜事件檢測技術的研究迫在眉睫。
　　為實現(xiàn)面向長過程的復雜事件檢測，本文以傳統(tǒng)復雜

3、事件檢測方法為基礎，結合長過程事件流自身的特點建立了一系列數(shù)據(jù)結構，并基于這些結構提出了一套支持長過程復雜事件檢測的方法。本文的研究重點在于實現(xiàn)長過程情形事件實例高效的內外存調度，另外還提出了能夠加速復雜事件檢測進行的算法，主要貢獻如下:
　　首先，為了存儲隨長過程事件流到達的事件實例，提出了TSH(Hash by object IDbased on timeslice model)實例存儲策略。它能夠為進行長過程復雜事件檢測提供

4、有規(guī)律的事件實例。
　　其次，基于TSH策略，提出了一種稱為實例映射結構的數(shù)據(jù)結構來幫助查找所需實例。由于它起到了對先前所有事件實例的存儲位置進行索引的作用，因此本文通過實例映射結構和TSH策略的結合實現(xiàn)了候選實例高效的內外存調度算法。
　　再次，為匹配過程提出了增量匹配方法。在時間戳前綴數(shù)組的幫助下，該方法通過共享子序列直接輸出結果序列，從而達到了加速匹配過程進行的目的，進而加速了整個復雜事件檢測過程的進行。
　　最