论文部分内容阅读
信息物理融合系统(CPS)最重要的特点就是将计算资源与物理资源紧密结合与协调分配,完成信息世界与物理世界的融合,它的应用领域非常的广泛,覆盖了小到智能家庭网络,大到工业控制系统,乃至智能交通系统等国家级甚至世界级的应用。CPS获得应用需要解决的一个关键问题就是信息处理。大规模CPS系统可能包含类型繁多的、相互连接的设备,这些设备不断产生海量的原始事件。对于一个大规模CPS系统,噪声、传感器误差、网络通讯技术以及其它原因,会造成事件的不确定性;同时大规模CPS系统大都是分布式部署,不同数据源的事件具有海量、异构和分散等特征,而现有的数据处理技术难以对其进行有效处理。作为CPS的核心技术,复杂事件处理技术必须具备实时处理的能力。同时大规模CPS系统中事件数据的海量和分散、复杂性等的特征,导致其处理技术也与普通的CPS系统有所区别。本文在对面向大规模CPS系统的复杂事件处理的研究现状和面临的挑战进行深入分析的基础上,以大规模CPS系统中数据处理系统为背景,在不确定性复杂事件处理和分布式上下文敏感复杂事件处理方面开展了深入的研究。为了提高算法的性能,对上下文敏感采用了分布和并行化的方法。本文的贡献主要包括以下方面:(1)针对大规模CPS系统应用的数据特点,设计并实现基于SOA(Service Oriented Architecture)的分布式上下文复杂事件处理复杂事件处理体系结构。复杂事件处理引擎主要有查询规划器,上下文管理和事件处理网络构成。为了保证系统的灵活性及更好地支持各种优化,系统以分布式查询规划为核心。为了支持各种不同特征的数据类型,以各种复杂事件处理代理(EPA)构成分布式网络。下层不同的EPA针对不同类型的数据源,上层EPA把下层EPA的输出处理为更高层的事件;(2)在CPS系统的实际应用中,噪声、传感器误差、网络通讯技术以及其它原因,会造成事件的不确定性,为此,本文提出基于概率的模型,并提出解决不确定事件流的复杂事件处理方法(Uncertain Stream Complex Event Processing,USCEP)。该方法使用事件概率模型来进行概率计算,并结合匹配树和节点缓冲列表来匹配复杂事件模型,解决了 RCEDA复杂事件中间结果集不能共享问题,该方法采用事件概率模型建模,提出了基于新模型的查询语言。实验结果表明,该方法在处理大规模CPS系统的不确定事件流时比传统方法具有更好的性能。(3)针对大规模CPS系统数据的海量、分散等特征,提出分布式上下文敏感复杂事件处理方法(Distributed Context-aware Complex Event Processing,DCCEP)。该方法采用基于模糊本体进行事件上下文的建模和推理,采用一种在多层次上下文模型下的基于相似性分布式推理方法,通过分布式查询规划来支持分布式处理。通过查询重写的方法,把上下文敏感的复杂事件查询重写为上下文无关子查询;根据不同的事件模型和上下文划分数据,通过基于上下文的事件划分策略保证多个分布式结点并行执行复杂事件处理算法;(4)为了提高系统性能,提出分布式上下文敏感复杂事件处理的优化方法,从上下文无关并行复杂事件处理、上下文无关分布式复杂事件处理以及基于类型查询的复杂事件处理三个方面进行优化。