大数据的不断普及使得云计算在各行各业中的使用不断加大,相应的,流数据在实时系统的处理中数据规模变大、查询也更复杂,例如在各类商业智能数据管理、Web应用以及实时追踪监控中的流数据处理。这样的大数据中有价值的数据比较少且具有数据量庞大、语义与数据组织复杂等特点。但把其聚合并通过一定的规则进行分析,就能够从中提取有价值的信息出来。很多实时数据,其价值因时间的推移从而不断被削弱,因此需要实时系统能够高效且准确地依据检测规则提取事件流里的目标信息。对于复杂事件处理这项技术,其核心目标是准确、及时地检测到事件流里符合规定模式的事件序列,因此,数据处理技术进展的重要突破口是怎么高效地检测出结构复杂、数据规模大、价值密度偏低的数据。事件流处理是对流数据处理的概括,因此复杂事件的分析处理技术可以采用流数据查询的方法,即其模式能够使用流数据查询模式来描绘。因此得到更高效、能解决结构、语义更复杂查询的事件检测模式匹配算法成为了处理流数据的主流方法。当今,复杂事件由一系列事件构成,事件间存在多种关系。正规式中有语义的算子--克林闭包、连续、析取适合表述事件之间的关系,因此复杂事件处理大多采用正规式模式匹配算法。但流数据在实时系统中通常表现出半结构化特性,这一特性复杂化了事件,对于来自于半结构化数据流的复杂事件,一类事件模式名为正规树模式和对应的模式匹配算法被提出,该算法不仅仅能够约束事件之间的结构关系,还能够约束时序关系,同时针对复杂事件具有丰富地描述能力。为提高流数据中复杂事件检测的效率,提出了一类用来检测具有半结构化特性的复杂事件,名为有序正规树的事件模式及其匹配算法,但是该算法存在有序化后产生冗余以及算子产生的匹配过程中引起的不必要回溯的问题,为了进一步提高有序正规树模式的处理与查询效率,本文提出了一种利用DTD的结构信息和语义信息对有序正规树模式做出结构与时序上的约束,进行树模式最小化与优化重写的优化方法,该方法利用DTD筛选去掉无效、冗余的树模式,并通过将祖先后代关系转化为确定的父子关系路径达到减少匹配过程中的候选路径。根据实验结果可知,该优化方法可以有效提高有序正规树模式查询的效率。