面向長過程的復雜事件檢測技術(shù)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(chǎn)生了空前的海量數(shù)據(jù)。由于復雜事件檢測技術(shù)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(guān)注與研究。那些傳統(tǒng)的方法大多是通過建立某種內(nèi)存數(shù)據(jù)結(jié)構(gòu)，并采用某種能夠減少中間結(jié)果的優(yōu)化策略，從而達到對一段較短時間內(nèi)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(nèi)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(jié)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(nèi)存的限制，采用傳統(tǒng)的復雜事件檢測技術(shù)不能夠?qū)@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(guān)研究成果，因此對長過程復雜事件檢測技術(shù)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(jié)合長過程事件流自身的特點建立了一系列數(shù)據(jù)結(jié)構(gòu)，并基于這些結(jié)構(gòu)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(nèi)外存調(diào)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(jié)構(gòu)的數(shù)據(jù)結(jié)構(gòu)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(jié)構(gòu)和TSH策略的結(jié)合實現(xiàn)了候選實例高效的內(nèi)外存調(diào)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(jié)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