随着信息技术的迅猛发展以及各种智能移动终端的普及,大规模的流式数据从各式各样的应用系统中不断产生和涌现,因此,针对流式数据的复杂事件处理技术成为了重要的研究课题之一,同时也受到了国内外研究者的广泛关注。然而在现有的复杂事件处理技术中,对简单查询模式下的复杂事件匹配处理方法都还存在着一定的局限性。针对现有的复杂事件匹配处理方法存在匹配代价高的问题,提出了一种在有序事件列表上选择更优匹配顺序进行递归遍历的复杂事件匹配方法。在有序事件列表上选择更优的列表顺序进行递归遍历的复杂事件匹配方法,其主要思想是将复杂事件查询模式中的约束条件分解为不同类型,再在有序列表上对不同约束分别进行递归校验。首先,根据查询模式将相关事件实例按照事件类型进行缓存;其次在有序列表上对事件实例执行查询过滤操作,同时给出了一种基于递归遍历的算法,来确定初始事件实例并且获取候选序列;最后对候选序列的属性约束进一步校验得到正确的复杂事件结果。为进一步提高查询效率,减少查询匹配的次数,降低查询匹配操作在时间和空间上浪费,又对查询过滤的匹配顺序进行了优化。通过对事件流片段进行数据采样,计数各事件列表上缓存事件实例的数量,利用数量的多少作为后期查询过滤步骤进行匹配处理先后顺序的依据。基于股票交易模拟数据进行实验测试和分析,并与现有的复杂事件处理常用方法进行了实验对比,实验结果表明,本文提出的在有序事件列表上选择更优匹配顺序进行递归遍历的复杂事件匹配方法,不仅能够有效的提高复杂事件匹配的效率,而且无论是在目标序列数量较多还是查询时间窗口较大的情况下都能够通过减少冗余计算来获得效能的显著提升。