随着互联网的发展,面对海量数据时,个人的精力无法满足完成提取、获得全面而精确的信息的任务的要求,从而掌握一个特定领域下的趋势发展。基于此便提出了以事件形式作为载体,通过从不断处理的新的文档中提取事件信息,之后合并到旧有信息中,呈现给用户宏观上的统计数据和具体分析内容,并辅助人们进行各类决策。现阶段较为成熟的事件感知系统依赖于大规模计算集群,以流式与批量式集合的方式,完成了大数据规模下应用的实现。本文聚焦于在小规模集群下能够实时获取事件结果,进行查询的总体要求,以流式处理的形式,在增加系统整体处理效率与减少对算法影响的目标下,完成事件感知各项应用功能。本文基于上述目标,设计并开发了一套分布式处理平台,满足应用在各个环节下的应用要求。主要的工作包括:1)针对事件感知应用的输入、输出,用户对象进行分析,将系统划分为三个模块,完成系统总体架构设计。2)在存储模块下设计了存储形式,包括MongoDB内数据的表达与NAF标引格式。3)在处理模块下,对事件感知传统的两种类型任务在流式数据环境下进行了分布式扩展,提出了各自的拓扑设计。同时针对系统运行的Storm计算框架,优化了拓扑调度器,并针对内存计算设计了符合事件感知容错性要求的内存数据的持久化策略。4)分析与服务模块设计了针对不同查询类型的响应策略,并在查询后台设计了在分布式内存环境下基于封闭立方体的维度统计方法最后以实际检验检疫应用出发为导向,验证了系统的可用性与性能。