Из Википедии, бесплатной энциклопедии
  (Перенаправлено из обработки событий )
Перейти к навигации Перейти к поиску

Обработка событий - это метод отслеживания и анализа (обработки) потоков информации (данных) о происходящих событиях (событиях) [1] и получения на их основании заключения. Комплексная обработка событий , или CEP , состоит из набора концепций и методов, разработанных в начале 1990-х годов для обработки событий в реальном времени и извлечения информации из потоков событий по мере их поступления. Целью комплексной обработки событий является выявление значимых событий (таких как возможности или угрозы) [2] в ситуациях в реальном времени и как можно более быстрое реагирование на них.

Эти события могут происходить на различных уровнях организации в виде потенциальных клиентов, заказов или обращений в службу поддержки . Или они могут быть новостные статьи, [3] текстовые сообщения , социальные медиа сообщений , фондовый рынок кормов , отчеты о трафике , сводки погоды , или другие виды данных. [1] Событие также может быть определено как «изменение состояния», когда измерение превышает заранее определенный порог времени, температуры или другого значения.

Аналитики предположили, что CEP предоставит организациям новый способ анализа закономерностей в режиме реального времени и поможет бизнесу лучше общаться с ИТ-отделами и отделами обслуживания. [4] CEP с тех пор стал технологией, обеспечивающей поддержку во многих системах, которые используются для немедленных действий в ответ на входящие потоки событий. В настоящее время (2018 г.) приложения можно найти во многих секторах бизнеса, включая торговые системы на фондовом рынке, мобильные устройства , интернет-операции, обнаружение мошенничества , транспортную отрасль и сбор правительственной разведки .

Огромный объем доступной информации о событиях иногда называют облаком событий. [1]

Концептуальное описание [ править ]

Среди тысяч входящих событий система мониторинга может, например, получить следующие три из одного источника:

  1. звон церковных колоколов.
  2. появление мужчины в смокинге и женщины в струящемся белом платье.
  3. рис летит по воздуху.

По этим событиям система мониторинга может сделать вывод о сложном событии : свадьбе. CEP как метод помогает обнаруживать сложные события, анализируя и соотнося другие события: [5] колокола, мужчина и женщина в свадебных нарядах и рис, летящий по воздуху.

CEP использует ряд методов [6], в том числе:

Коммерческие приложения CEP существуют в различных отраслях и включают обнаружение мошенничества с кредитными картами , мониторинг деловой активности и мониторинг безопасности. [7]

История [ править ]

Область CEP уходит корнями в моделирование дискретных событий , активную область базы данных и некоторые языки программирования. Активности в отрасли предшествовала волна исследовательских проектов в 1990-е годы. Согласно [8] первым проектом, проложившим путь к общему языку CEP и модели исполнения, был проект Rapide в Стэнфордском университете , которым руководил Дэвид Лакхэм . Параллельно велось еще два исследовательских проекта: Инфосферы в Калифорнийском технологическом институте под руководством К. Мани Чанди и Апама в Кембриджском университете.Режиссер Джон Бейтс. Коммерческие продукты зависели от концепций, разработанных в этих и некоторых более поздних исследовательских проектах. Усилия сообщества начались с серии симпозиумов по обработке событий, организованных Техническим обществом по обработке событий , а затем с серии конференций ACM DEBS. Одна из усилий сообщества заключалась в создании манифеста обработки событий. [9]

Понятия, связанные с данным [ править ]

CEP используется в продуктах для оперативной аналитики (OI), чтобы обеспечить понимание бизнес-операций путем выполнения анализа запросов к потокам в реальном времени и данным событий. OI собирает данные в реальном времени и сопоставляет их с историческими данными, чтобы обеспечить понимание и анализ. Можно объединить несколько источников данных, чтобы получить общую картину работы, в которой используется текущая информация.

В управлении сетью , системном управлении , управлении приложениями и управлении услугами люди обычно вместо этого ссылаются на корреляцию событий . Как механизмы CEP, механизмы корреляции событий ( корреляторы событий ) анализируют массу событий, выявляют наиболее важные из них и инициируют действия. Однако большинство из них не вызывают новых предполагаемых событий. Вместо этого они связывают события высокого уровня с событиями низкого уровня. [10]

Механизмы логического вывода , например механизмы логического вывода на основе правил , обычно производят предполагаемую информацию в искусственном интеллекте . Однако они обычно не производят новую информацию в виде сложных (т.е. предполагаемых) событий.

Пример [ править ]

Более системный пример CEP включает автомобиль, некоторые датчики и различные события и реакции. Представьте себе, что у автомобиля есть несколько датчиков: один измеряет давление в шинах, второй измеряет скорость, а третий определяет, садится ли кто-то на сиденье или встает с него.

В первой ситуации автомобиль движется, и давление в одной из шин изменяется с 45 фунтов на квадратный дюйм до 41 фунтов на квадратный дюйм за 15 минут. По мере того, как давление в шине снижается, создается серия событий, содержащих давление в шине. Кроме того, генерируется серия событий, содержащих информацию о скорости автомобиля. Процессор событий автомобиля может обнаружить ситуацию, когда потеря давления в шинах в течение относительно длительного периода времени приводит к возникновению события «lossOfTirePressure». Это новое событие может запустить процесс реакции, чтобы записать потерю давления в журнал технического обслуживания автомобиля и предупредить водителя через портал автомобиля, что давление в шинах снизилось.

Во второй ситуации автомобиль движется, и давление в одной из шин падает с 45 до 20 фунтов на квадратный дюйм за 5 секунд. Обнаружена иная ситуация - возможно, потому что потеря давления произошла в течение более короткого периода времени, или, возможно, потому, что разница в значениях между каждым событием была больше, чем предварительно определенный предел. Другая ситуация приводит к генерации нового события «blowOutTire». Это новое событие запускает другой процесс реакции, чтобы немедленно предупредить водителя и запустить процедуры бортового компьютера, чтобы помочь водителю остановить автомобиль, не теряя управления из-за заноса.

Кроме того, события, которые представляют обнаруженные ситуации, также могут быть объединены с другими событиями для обнаружения более сложных ситуаций. Например, в конечной ситуации автомобиль движется нормально и у него лопается шина, в результате автомобиль съезжает с дороги и врезается в дерево, а водителя выкидывает из машины. Быстро выявляется ряд различных ситуаций. Комбинация «blowOutTire», «zeroSpeed» и «driverLeftSeat» в течение очень короткого периода времени приводит к обнаружению новой ситуации: «occidentThrownAccident». Даже несмотря на то, что нет прямого измерения, которое могло бы окончательно определить, что водитель был сброшен, или что произошла авария, комбинация событий позволяет обнаружить ситуацию и создать новое событие, чтобы обозначить обнаруженную ситуацию.В этом суть сложного (или составного) события. Это сложно, потому что невозможно напрямую обнаружить ситуацию; нужно сделать вывод или сделать вывод, что ситуация возникла из комбинации других событий.

Интеграция с управлением бизнес-процессами [ править ]

Естественным подходом для CEP было управление бизнес-процессами (BPM). [11] BPM фокусируется на сквозных бизнес-процессах, чтобы постоянно оптимизировать и согласовывать свою операционную среду.

Однако оптимизация бизнеса не зависит исключительно от его отдельных сквозных процессов. Внешне разрозненные процессы могут существенно влиять друг на друга. Рассмотрим следующий сценарий: в аэрокосмической отрасли рекомендуется отслеживать поломки транспортных средств для выявления тенденций (определения потенциальных слабых мест в производственных процессах, материалах и т. Д.). Другой отдельный процесс отслеживает текущие жизненные циклы эксплуатируемых транспортных средств и выводит их из эксплуатации, когда это необходимо. Одно из применений CEP - связать эти отдельные процессы, так что в случае обнаружения в начальном процессе (мониторинг поломки) неисправности на основе усталости металла (значимое событие) может быть создано действие для использования второго процесса (жизненный цикл ) для оформления отзыва на автомобили, в которых используется та же партия металла, которая была признана дефектной на начальном этапе.

Интеграция CEP и BPM должна существовать на двух уровнях, как на уровне бизнес-осведомленности (пользователи должны понимать потенциальные целостные преимущества своих отдельных процессов), так и на технологическом уровне (должен быть метод, с помощью которого CEP может взаимодействовать с Внедрение BPM). Чтобы ознакомиться с недавним обзором современного состояния интеграции CEP с BPM, который часто называют Event-Driven Business Process Management, обратитесь к. [12]

Можно предположить, что роль CEP, ориентированная на вычисления, частично совпадает с технологией Business Rule.

Например, центры обслуживания клиентов используют CEP для анализа потока кликов и управления клиентским опытом. Программное обеспечение CEP может вносить информацию в реальном времени о миллионах событий (щелчков или других взаимодействий) в секунду в бизнес-аналитику и другие приложения для поддержки принятия решений . Эти рекомендательные приложения«помочь агентам предоставлять персонализированные услуги на основе опыта каждого клиента. Приложение CEP может собирать данные о том, что клиенты по телефону в настоящее время делают или как они недавно взаимодействовали с компанией по другим каналам, в том числе внутри филиала или через Интернет с помощью функций самообслуживания, обмена мгновенными сообщениями и электронной почты. Затем приложение анализирует общий опыт работы с клиентами и рекомендует сценарии или следующие шаги, которые помогут агенту по телефону и, надеюсь, сделают клиента счастливым. [13]

Интеграция с базами данных временных рядов [ править ]

База данных временных рядов является системное программное обеспечение, оптимизированное для обработки данных , организованных по времени. Временные ряды - это конечные или бесконечные последовательности элементов данных, где каждый элемент имеет связанную метку времени, а последовательность меток времени не уменьшается. Элементы временного ряда часто называют тиками. Временные метки не обязательно должны быть восходящими (просто неубывающими), потому что на практике временное разрешение некоторых систем, таких как источники финансовых данных, может быть довольно низким (миллисекунды, микросекунды или даже наносекунды), поэтому последовательные события могут иметь одинаковые временные метки.

Данные временных рядов предоставляют исторический контекст для анализа, обычно связанного со сложной обработкой событий. Это может относиться к любой вертикальной отрасли, такой как финансы [14], а также совместно с другими технологиями, такими как BPM.

Идеальный случай для анализа CEP - это просмотр исторических временных рядов и потоковых данных в реальном времени как единого временного континуума. То, что произошло вчера, на прошлой неделе или в прошлом месяце, - это просто продолжение того, что происходит сегодня, и того, что может произойти в будущем. Пример может включать сравнение текущих объемов рынка с историческими объемами, ценами и волатильностью для логики исполнения сделок. Или необходимость действовать в соответствии с текущими рыночными ценами может включать сравнения с эталонными показателями, которые включают движения секторов и индексов, чьи дневные и исторические тренды измеряют волатильность и сглаживают выбросы.

Интернет вещей и интеллектуальные киберфизические системы [ править ]

Обработка сложных событий является ключевым фактором в настройках Интернета вещей (IoT) и интеллектуальных киберфизических систем (CPS). Обработка плотных и разнородных потоков от различных датчиков и сопоставление шаблонов с этими потоками является типичной задачей в таких случаях. [15] Большинство этих методов основаны на том факте, что представление состояния системы IoT и ее изменений более эффективно в форме потока данных, а не в статической материализованной модели. Рассуждения по таким потоковым моделям в корне отличаются от традиционных методов рассуждений и обычно требуют комбинации преобразований модели и CEP. [16]

См. Также [ править ]

  • Корреляция событий
  • Архитектура, управляемая событиями - (EDA) - это шаблон архитектуры программного обеспечения, способствующий производству, обнаружению, потреблению и реакции на события.
  • SEDA - Поэтапная архитектура, управляемая событиями, разбивает сложные архитектуры, управляемые событиями, на этапы.
  • Техническое общество обработки событий - (EPTS) представляет собой интересующее сообщество обработки событий.
  • Обработка потока событий - (ESP) - это связанная технология, ориентированная на обработку потоков связанных данных.
  • Кинетический язык правил - (KRL) - это язык правил события-условия-действия со встроенным сложным языком выражения событий.
  • Операционный интеллект. И CEP, и ESP являются технологиями, лежащими в основе оперативной информации.
  • Сопоставление с образцом
  • Бизнес-аналитика в реальном времени - Бизнес-аналитика - это применение знаний, полученных из систем CEP
  • Вычисления в реальном времени - системы CEP обычно представляют собой системы реального времени.
  • Предприятие в реальном времени

Продавцы и продукты [ править ]

  • Apama от Software AG - отслеживает быстро движущиеся потоки событий, обнаруживает и анализирует важные закономерности и принимает меры в соответствии с правилами. [17]
  • Azure Stream Analytics
  • BeepBeep 3 - это библиотека обработки потока событий с открытым исходным кодом с несколькими расширениями для различных случаев использования, включая временную логику, конечные автоматы, статистику и многое другое.
  • Drools Fusion
  • EVAM Streaming Analytics
  • Esper Комплексная обработка событий для Java и C # (GPLv2).
  • Esri ArcGIS GeoEvent Server
  • Feedzai - Пульс
  • GigaSpaces XAP
  • Informatica RulePoint от Informatica
  • Microsoft StreamInsight Реализация Microsoft CEP Engine [18]
  • openPDC - набор приложений для обработки потоковых данных временных рядов в реальном времени.
  • Обработка событий Oracle - для создания приложений для фильтрации, корреляции и обработки событий в реальном времени.
  • BRMS - механизм управления правилами от Red Hat на основе Drools
  • SAP ESP - платформа быстрой разработки и развертывания с малой задержкой, которая позволяет обрабатывать несколько потоков данных в реальном времени [19]
  • SAS ESP - платформа, созданная для быстрого анализа (применения аналитики SAS и сторонних разработчиков, включая алгоритмы машинного обучения) миллионов записей данных в движении (событий) с малым временем отклика (миллисекунды и субмиллисекунды). Возможность развертывания на периферии, в локальной среде и в облаке. Гибкая платформа, созданная с учетом открытости, чтобы сделать аналитику повсеместно доступной. [20]
  • SQLstream Платформа потоковой обработки SQLstream, s-Server, предоставляет платформу реляционных потоковых вычислений для анализа больших объемов данных служб, датчиков, машин и файлов журналов в режиме реального времени.
  • TIBCO BusinessEvents & Streambase - платформа CEP и высокопроизводительная обработка потока событий с малой задержкой
  • VIATRA-СЕР [21] - модель с приводом СЕР двигатель, часть 3 - го поколения VIATRA модель трансформации структуры
  • WebSphere Business Events
  • Siddhi - Java-библиотека для потоковой обработки и комплексной обработки событий, выпущенная под лицензией Apache License v2, которая прослушивает события из потоков данных, обнаруживает сложные условия, описанные с помощью языка Streaming SQL, и запускает действия.
  • WSO2 Stream Processor - полностью распределенный и высокодоступный сервер потоковой обработки с открытым исходным кодом, выпущенный WSO2 под лицензией Apache License v2 .
  • Apache Flink Платформа распределенной потоковой обработки с открытым исходным кодом и CEP API [22] для Java и Scala.
  • Apache Storm Бесплатная распределенная система вычислений в реальном времени с открытым исходным кодом. Storm обрабатывает неограниченные потоки данных в реальном времени.

Ссылки [ править ]

  1. ^ a b c Лакхэм, Дэвид С. (2012). Обработка событий для бизнеса: организация предприятия в реальном времени . Хобокен, Нью-Джерси: John Wiley & Sons, Inc., стр. 3. ISBN 978-0-470-53485-4.
  2. ^ Бейтс, Джон, Джон Бейтс из Progress объясняет, как работает сложная обработка событий и как она может упростить использование алгоритмов для поиска и захвата торговых возможностей , Fix Global Trading , получено 14 мая 2012 г.
  3. ^ Crosman, Пенни (18 мая 2009), Aleri, Ravenpack Накормить Новости в Торговой Algos , Уолл - стрит и технологии[ постоянная мертвая ссылка ]
  4. ^ Маккей, Лорен (13 августа 2009 г.), Forrester приветствует сложную обработку событий , целевую CRM
  5. ^ Д. Лакхэм, "Сила событий: введение в сложную обработку событий в распределенных корпоративных системах", Addison-Wesley, 2002.
  6. ^ О. Эцион и П. Niblett, "Обработка событий в действии", Manning Publications, 2010.
  7. ^ Подробная информация о коммерческих продуктах и ​​вариантах использования
  8. ^ Ливит, Нил (апрель 2009 г.), Обработка сложных событий, готовая к росту , Компьютер, т. 42, нет. 4, стр. 17-20 Вашингтон
  9. ^ Чанди, Мани К .; Etzion, Opher; Аммон, Райнер фон (22 декабря 2017 г.). Чанди, К. Мани; Etzion, Opher; Аммон, Райнер фон (ред.). «10201 Краткое изложение и Манифест - Обработка событий» . Schloss Dagstuhl - Leibniz-Zentrum fuer Informatik, Германия - через сервер онлайн-публикаций Dagstuhl Research.
  10. ^ JP Martin-Flatin, Г. Якобсон и Л. Льюис, "Корреляция событий в интегрированном управлении: извлеченные уроки и перспективы", Журнал сетевого и системного управления, Vol. 17, No. 4, декабрь 2007 г.
  11. ^ С. Janiesch, М. Матцнер и О. Мюллер: "копирку для Event-Driven управления бизнесактивность", Lecture Notes вкомпьютерных наук, 2011, том 6896/2011, 17-28, DOI : 10.1007 / 978-3- 642-23059-2_4
  12. ^ J. Krumeich, Б. Вейс, Д. Верт и П. Лоос: «Event-Driven управления бизнеспроцессами: где мы сейчас ?: Всеобъемлющий синтез и анализ литературы», бизнеспроцессов журнал менеджмента, 2014, том 20, 615-633, DOI : 10,1108 / BPMJ-07-2013-0092
  13. ^ Kobielus, Джеймс (сентябрь 2008), действительно счастлив в режиме реального времени , Destination CRM
  14. ^ «Временные ряды в финансах» . cs.nyu.edu .
  15. ^ «Балог, Давид, Рат, Варро, Вёрёш: распределенный и гетерогенный мониторинг на основе событий в интеллектуальных киберфизических системах, на 1-м семинаре по мониторингу и тестированию киберфизических систем, Вена, Австрия. 2016» .
  16. ^ I. Давиды, И. Рат, Д. Варрон: Основы для потоковой модели преобразований по обработке сложных событий, Международный журнал по программному обеспечению и моделированию систем, С. 1--28, 2016. DOI : 10.1007 / s10270-016-0533-1
  17. ^ Обзор аналитики в реальном времени Apama. Архивировано 25 октября 2015 г. на Wayback Machine . Softwareag.com. Проверено 18 сентября 2013.
  18. ^ «Microsoft StreamInsight» . technet.microsoft.com .
  19. ^ «SAP ESP - Сообщество разработчиков» . Архивировано из оригинала на 2015-01-05 . Проверено 17 июля 2014 .
  20. ^ «Обработка потока событий SAS» .
  21. ^ "VIATRA / CEP - Eclipsepedia" . wiki.eclipse.org .
  22. ^ «Документация Apache Flink 1.2: FlinkCEP - Комплексная обработка событий для Flink» . ci.apache.org .

Внешние ссылки [ править ]

  • Комплексная обработка событий и анализ в реальном времени
  • Отделение пшеницы от плевел Статья о КЭП применительно к RFID появилась в RFID Journal
  • Обработка сложных событий: все еще на стартовой площадке Computerworld
  • Конференция ACM по распределенным системам, основанным на событиях - Исследовательские статьи об инновациях в системах, основанных на событиях
  • Что такое сложная обработка событий? - Технический обзор CEP