随着流数据在生活中得到了广泛的应用,越来越多的应用需要对流数据进行复杂事件处理,对多个数据之间的关联关系进行分析,从中获得更有价值的信息,例如金融交易分析、健康监测、智慧城市等。复杂事件处理需要快速地从流数据中识别出满足用户需求的复杂事件,由于目前数据规模不断增大,需要将复杂事件处理扩展到分布式系统中以提升其处理能力。在分布式环境下,处理过程中产生的中间结果需要在不同的机器之间进行传输以进行下一步的匹配计算。然而随着处理的进行,中间结果的数量迅速增加,大量的中间结果在分布式集群中的网络传输会严重影响系统性能,而且随着系统规模扩大,这一问题会愈发严重。针对中间结果的传输开销问题,提出了通过带路由表事件图结构进行中间结果传输的分布式复杂事件处理系统Anemoi。Anemoi将中间结果构造为事件图结构进行传输,事件图中的一个顶点和一条边分别可以表示多个相同的事件和多条相同的事件间关联关系,从而解决了中间结果之间事件冗余的问题,有效地降低了中间结果传输开销。同时,还设计了基于事件图的中间结果匹配方法,能够直接在事件图的结构之上进行匹配计算,避免了每次匹配前都需要从事件图中提取出中间结果的开销。此外,Anemoi系统实现了一套自适应的中间结果传输策略,可以根据系统负载实时调整中间结果传输方式,进一步优化系统性能。Anemoi系统基于流处理引擎Storm实现,通过两个来自于电子商务和出租车订单的真实数据集对系统各项指标进行了测试。实验结果表明,相比于目前最好的分布式复杂事件处理系统,Anemoi将系统吞吐率提高了39.4%,将处理延迟降低了32.5%。