[发明专利]基于IMF内外存置换策略的复杂事件检测方法

说明书

技术领域

本发明属于事件流处理技术，具体涉及一种基于IMF(Instance Matching Frequency，实例匹配频率)内外存置换策略的复杂事件检测方法。

背景技术

随着传感器和无线射频识别(Radio Frequency Identification，RFID)等电子数据采集设备(Electronic Data Gathering Equipment，EDGE)在供应链管理、环境监控及物联网等诸多领域中被广泛使用，产生了大量的事件类型的数据。然而，用户并不是对所有的原始事件数据都感兴趣，如在风监控系统中，应用程序对每个传感器读出的风速数据不感兴趣，而只对2秒钟之内风速增加了5英里的信息感兴趣，可以由此推断飓风或龙卷风的到来。这里的风速数据被称为原始事件或基本事件，而风速的改变是由原始事件组成或生成的复杂事件。可见，在实际应用中，数据在发挥作用前要使其有效化，使其变成具有丰富语义并对用户有价值的数据。因此，复杂事件处理(Complex Event Processing，CEP)技术越来越受到关注和重视，逐渐成为数据库领域继数据流之后新的研究热点。复杂事件检测是CEP的重要研究内容，其处理的数据对象是原始事件流，它通过定义规则或查询语句对不断到达系统的事件流数据进行过滤和相互关联，从而提取出用户关心和感兴趣的复杂事件模式。复杂事件检测技术可以帮助人们从原始的海量数据中发现复杂事件和隐含知识，并可根据这些重要信息对隐藏的机遇和威胁做出迅速的响应，对于公共安全管理、事件监控和自然灾害预警等都具有重要的现实意义。

复杂事件检测与传统的数据库查询不同。数据库查询面向的是不变的数据，用户通过不断变换查询要求得到不同的结果；而复杂事件检测则要求用户预定义需要检测的复杂事件模式，对于不断变化的事件流数据检测出用户要求的模式。前者数据是不变的，而查询是变化的；后者数据是不断变化的，而检测模式是事先预定不变的。

随着复杂事件处理和检测逐渐成为研究热点，许多专家和学者对其进行了深入研究，提出了许多事件检测方法，并开发了相应的系统。比较典型的包括美国加州大学伯克利分校开发的SASE系统、HiFi系统、Cornell大学开发的Cayuga系统、Texas大学Arlington分校开发的EStream系统、Dartmouth学院开发的PQS系统以及Simens公司开发的RFID中间件系统等，这些系统分别基于四种检测模型，即自动机模型、匹配树模型、Petri网模型和有向图模型对复杂事件进行高效的检测，但这些系统均未考虑大时间尺度的复杂事件检测，构成复杂事件的基本事件均局限于一个较短的时间范围内，通常不超过24小时，无需设置较大的时间窗口，因此，复杂事件检测过程完全可以在内存中完成。但实际应用中还存在着大量大时间尺度的复杂事件。如在供应链管理中，商品从供应链的开始到结束，经历的时间可能很长，有的长达几个月甚至一年，这可能是供应链特点决定的，也可能是商品滞销引起的。再如在对地震、海啸等自然灾害的监控中，引起地震、海啸发生的因素有很多，这一系列的因素往往不是在短时间内发生，而是在一个相对较长的时间内，一个一个相继发生。对于第一个基本事件发生到最后一个基本事件发生的时间跨度超过24小时的复杂事件进行检测，本发明称为大时间尺度的复杂事件检测。大时间尺度的复杂事件从发生到结束延续时间很长，因此，检测过程需要设置大时间窗口，导致复杂事件检测所涉及的数据量非常庞大，基于现有的处理方法和技术都不可能在内存中完成事件存储和检测。目前尚没有大时间尺度复杂事件检测的研究成果。

发明内容

针对现有的复杂事件检测技术的局限性，对于大时间尺度的复杂事件检测，本发明提供了一种基于IMF(Instance Matching Frequency，实例匹配频率)内外存置换策略的检测方法。

该方法通过不断地扫描事件流读取当前事件，检测用户感兴趣的复杂事件是否发生，其步骤包括：

(1)扫描事件流，读取当前事件；

(2)构建、修改对象统计表；

本发明基于IMF内外存置换策略实现大时间尺度的复杂事件检测，为了便于进行置换中的相关计算，需要用到一系列的统计量，为此，本发明提供对象统计表结构，当事件流中的事件到达时，将随之建立或修改对象统计表，记录对象的一些统计量值。

(3)判断当前事件是否为末端事件，若是，则转入步骤(8)，触发复杂事件检测过程；否则，进入步骤(4)；