论文部分内容阅读
复杂事件处理技术以事件为驱动，从实时事件流中检测复杂事件模式，对实时性要求较高，因此本文提出分布式复杂事件实时检测系统，以实现良好的可扩展性、更高的吞吐量，更低的检测延时为目标，适合各种应用场景。 首先，综述复杂事件处理相关技术，分析以Esper为代表的面向事件流的复杂事件处理引擎和以Drools Fusion为代表的面向规则的复杂事件处理引擎之间的异同，通过系统延时测试和吞吐量测试实验证实Esper具有更好的处理性能。 本文设计一个通用的分布式复杂事件实时检测系统，详细阐述复杂事件处理引擎Esper与分布式实时计算框架Storm的有效结合，提出基于事件流分发和基于规则分发的分布式复杂事件实时检测系统，实现不同拓扑结构的构建，同时，对系统可靠性，实时流与历史数据结合处理等关键技术进行研究。 针对金融股票监控较高的实时性需求，实现基于分布式复杂事件实时检测的股票预警系统，提供用户定制股票规则和动态加载规则功能。系统根据股票实时数据和股票规则制定不同的拓扑结构，并进行了实验分析。