Complex Event Processing

Event processing is een werkwijze voor het volgen en analyseren van stromen van informatie over dingen die gebeuren, en afleiden van een conclusie getrokken. Complex Event Processing, of CEP, is bij de verwerking van die gegevens uit meerdere bronnen combineert gebeurtenissen of patronen die meer gecompliceerde omstandigheden suggereren afleiden. Het doel van complex event processing is om zinvolle gebeurtenissen te identificeren en reageren ze zo snel mogelijk.

Deze gebeurtenissen kunnen gebeuren in de verschillende lagen van een organisatie als sales leads, orders of de klantenservice bellen. Of kunnen ze nieuwsberichten, sms-berichten, sociale media berichten, beurs feeds, verkeersinformatie, weerberichten, of andere soorten gegevens. Een gebeurtenis kan ook worden gedefinieerd als een "faseovergang," als een meting van een vooraf bepaalde drempel van tijd, temperatuur, of andere waarde overschrijdt. Analisten wijzen erop dat CEP organisaties geeft een nieuwe manier om patronen in real-time te analyseren en te helpen de zakelijke kant beter te communiceren met IT en service afdelingen.

De enorme hoeveelheid informatie bekend over gebeurtenissen wordt soms aangeduid als de gebeurtenis cloud.

Conceptuele beschrijving

Onder duizenden inkomende gebeurtenissen, kan een systeem van toezicht bijvoorbeeld profiteren van de volgende drie uit dezelfde bron:

  • kerkklokken luiden.
  • de verschijning van een man in een smoking met een vrouw in een stromende witte jurk.
  • rijst vliegen door de lucht.

Een bruiloft: uit deze gebeurtenissen het monitoringsysteem kan een complex event afleiden. CEP als een techniek helpt ontdekken complexe gebeurtenissen door het analyseren en correleren andere evenementen: de klokken, de man en vrouw in huwelijkskledij en de rijst door de lucht vliegen.

CEP berust op een aantal technieken, waaronder:

  • Event-patroon detectie
  • Event abstractie
  • Gebeurtenis filtering
  • Event aggregatie en transformatie
  • Modellering event hiërarchieën
  • Detecteren van relaties tussen events
  • Abstraheren event-driven processen

Commerciële toepassingen van CEP bestaan ​​in verschillende industrieën en omvatten algoritmische voorraad-handel, de detectie van credit-card fraude, business activity monitoring en bewaking.

Geschiedenis

De CEP gebied heeft wortels in Discrete event simulatie, actieve database en sommige programmeertalen. De activiteit in de industrie werd voorafgegaan door een golf van onderzoeksprojecten in de jaren 1990. Volgens het eerste project dat de weg naar een generieke CEP taal en uitvoering model geplaveid werd de Rapide project in Stanford University, geregisseerd door David Luckham, parallel zijn er drie andere onderzoeksprojecten geweest: Infospheres in California Institute of Technology, geregisseerd door K . Mani Chandy, Apama in de Universiteit van Cambridge geregisseerd door John Bates, en Amit in IBM Haifa Research Laboratory, geregisseerd door Opher Etzion. De commerciële producten zijn ten laste van de ontwikkelde in deze concepten en wat later onderzoeksprojecten. Communautaire inspanningen begonnen in een reeks van event processing symposia georganiseerd door de Event Processing Technical Society, en later door de ACM DEBS conferentie serie. Eén van de communautaire inspanning was in de productie van het event processing manifest

Verwante begrippen

CEP wordt gebruikt in Operational Intelligence oplossingen inzicht te geven in de bedrijfsvoering te bieden door het uitvoeren van vraag analyse tegen live feeds en event data. OI oplossingen maken gebruik van real-time data te verzamelen en correleren tegen historische gegevens om inzicht te krijgen in en analyse van de huidige situatie. Meerdere bronnen van de gegevens kunnen worden gecombineerd met verschillende organisatorische silo's op een gemeenschappelijk operationeel beeld dat de huidige gegevens gebruikt verstrekken. Waar realtime inzicht heeft de grootste waarde, kan OI oplossingen worden toegepast op de informatie nodig heeft.

In netwerkbeheer, systeembeheer, applicatie management en service management, mensen meestal verwijzen in plaats daarvan event correlatie. Zoals CEP motoren, event correlatie motoren te analyseren een massa van gebeurtenissen, lokaliseren de belangrijkste degenen, en leiden tot acties. Echter, de meeste van hen produceren geen nieuwe afgeleide evenementen. In plaats daarvan, zij betrekking hebben op hoog niveau evenementen met low-level events.

Inference motoren, bijv. rule-based reasoning motoren produceren meestal afgeleid informatie in kunstmatige intelligentie. Echter, ze meestal niet produceren van nieuwe informatie in de vorm van complexe events.

Voorbeeld

Een meer systematische voorbeeld van CEP betreft een auto, een aantal sensoren en diverse evenementen en reacties. Stel je voor dat een auto heeft een aantal sensoren die de bandenspanning meet, een die de snelheid meet, en een die detecteert wanneer iemand zit op een stoel of laat vervoeren.

In het eerste geval wordt de wagen beweegt en de druk van één van de banden beweegt van 45 psi tot 41 psi gedurende 15 minuten. Als de druk in de band afneemt, wordt een reeks van gebeurtenissen die de bandenspanning gegenereerd. Daarnaast wordt een reeks van gebeurtenissen die de snelheid van de auto gegenereerd. De auto's Event Processor kan een situatie te detecteren, waarbij een verlies van bandenspanning over een relatief lange periode van tijd resulteert in de creatie van de "lossOfTirePressure" evenement. Dit nieuwe evenement kan een reactie proces triggeren om het drukverlies in de auto onderhoud log mee, en waarschuwt de bestuurder via de auto-portaal dat de bandenspanning is verlaagd.

In het tweede geval wordt de wagen beweegt en de druk van één van de banden daalt van 45 psi tot 20 psi in 5 seconden. Een andere situatie wordt gedetecteerd misschien omdat drukverlies voorgedaan in een kortere tijd, of omdat het verschil in waarde tussen elke gebeurtenis was groter dan een vooraf bepaalde limiet. De andere situatie resulteert in een nieuw evenement "blowOutTire" wordt gegenereerd. Deze nieuwe gebeurtenis activeert een andere reactie proces om onmiddellijk de bestuurder en boordcomputer routines starten om de bestuurder te helpen bij het brengen van de auto tot stilstand, zonder de controle te verliezen door middel van slippen.

Daarnaast kunnen gebeurtenissen die gedetecteerd situaties vertegenwoordigen ook worden gecombineerd met andere evenementen om meer complexe situaties op te sporen. Bijvoorbeeld, in de laatste situatie de auto normaal bewegen maar lijdt aan een opgeblazen band waardoor de auto verlaten van de weg en slaan een boom en de bestuurder wordt gegooid van de auto. Een reeks verschillende situaties worden snel gedetecteerd. De combinatie van "blowOutTire", "zeroSpeed" en "driverLeftSeat" binnen een zeer korte tijd resulteert in een nieuwe situatie wordt ontdekt: "occupantThrownAccident". Alhoewel er geen directe meting die onomstotelijk kan vaststellen dat de chauffeur gegooid of dat er een ongeluk, de combinatie van gebeurtenissen kan de situatie te detecteren en een nieuwe gebeurtenis te creëren op de gedetecteerde toestand betekenen. Dit is de essentie van een complex event. Het is ingewikkeld omdat men de situatie niet direct kunnen waarnemen; men afleiden of afleiden dat de toestand is opgetreden een combinatie van andere gebeurtenissen.

Types

De meeste CEP oplossingen en concepten kunnen worden ingedeeld in twee hoofdcategorieën:

  • -Aggregatie georiënteerde CEP
  • -Detectie georiënteerde CEP

Een aggregatie georiënteerde CEP oplossing is gericht op het uitvoeren van on-line algoritmen in reactie op gebeurtenisgegevens het systeem binnenkomen. Een eenvoudig voorbeeld is om continu te berekenen gemiddelde op basis van gegevens in de inkomende gebeurtenissen.

Detectie georiënteerde CEP is gericht op het opsporen van combinaties van gebeurtenissen genoemd gebeurtenissen patronen of situaties. Een eenvoudig voorbeeld van het detecteren van een situatie te zoeken naar een specifieke volgorde van gebeurtenissen.

Momenteel veel toepassingen maken gebruik van een hybride van de twee benaderingen.

Integratie met business process management

Natuurlijk doet zelden de toepassing van een nieuwe technologie bestaat op zichzelf. Een natuurlijke pasvorm voor CEP is met business process management, of BPM. BPM focust sterk op end-to-end bedrijfsprocessen, teneinde permanent te optimaliseren en uitlijnen van de operationele omgeving.

Echter, het optimaliseren van een bedrijf niet alleen vertrouwt op zijn individuele, end-to-end processen. Schijnbaar uiteenlopende processen kunnen elkaar sterk beïnvloeden. Beschouw dit scenario: In de lucht- en ruimtevaart, is het een goede gewoonte om storingen van de voertuigen te controleren op zoek naar trends. Een ander afzonderlijk proces bewaakt levenscycli huidige operationele voertuigen en decommissions hen waar nodig. Nu men gebruik CEP is om deze verschillende processen te verbinden, zodat in het geval wanneer het initiële proces ontdekt een storing basis van metaalmoeheid beroep kan worden gemaakt om het tweede proces benutten om een ​​recall geven aan voertuigen die gebruik maken van dezelfde batch metaal ontdekt als defect in het eerste proces.

De integratie van het CEP en BPM moet bestaan ​​op twee niveaus, zowel op het bedrijfsleven bewust niveau en ook op het technologische niveau. Voor een recente stand van de techniek review op de integratie van het CEP met BPM, die vaak wordt aangeduid als-Event Driven Business Process Management, is er sprake van.

Role-berekening georiënteerde CEP kan misschien wel worden gezien overlappen met Business Rule technologie.

Zo worden bijvoorbeeld customer service centers met CEP voor click-stream analyse en customer experience management. CEP software kan real-time informatie over miljoenen gebeurtenissen per seconde in business intelligence en andere ondersteuning van besluitvorming toepassingen factor. Deze "aanbeveling toepassingen" help agenten bieden persoonlijke service op basis van de ervaring van elke klant. De CEP aanvraag kan data over wat klanten aan de telefoon dit moment aan het doen zijn, of hoe ze hebben onlangs in wisselwerking met het bedrijf in andere diverse kanalen, waaronder in-tak, of op het web via self-service functies, instant messaging en e-mail te verzamelen. De applicatie analyseert vervolgens de totale klantervaring en beveelt scripts of volgende stappen die de agent begeleiden op de telefoon, en hopelijk houdt de klant tevreden.

Een ander voorbeeld van CEP in de praktijk is in de gezondheidszorg. Het HyReminder systeem, ontwikkeld door het Worcester Polytechnic Institute en UMass Medical School, volgt voortdurend werknemers in de gezondheidszorg voor de hygiëne voldoen, hen eraan te herinneren om de hygiëne te voeren wanneer nodig om de verspreiding van besmettelijke ziekten te voorkomen. Iedere werknemer draagt ​​een RFID-badge die een groen, geel of rood licht geeft, afhankelijk van wat het gedrag van de RFID-chip heeft waargenomen.

In de financiële dienstverlening

De financiële sector was een early adopter van CEP-technologie, met behulp van complex event processing te structureren en te contextualiseren beschikbare gegevens, zodat het gedrag van de handel, met name algoritmische handel kon, door het identificeren van kansen of bedreigingen die aangeven handelaren te kopen of te verkopen. Algoritmische handel is al een praktijk in de aandelenhandel. Er wordt geschat dat ongeveer 60% van de aandelenhandel in de Verenigde Staten is door middel van algo transacties. CEP zal naar verwachting blijven om te helpen de financiële instellingen te verbeteren hun algoritmen en efficiënter.

Recente verbeteringen in CEP technologieën hebben het meer betaalbaar gemaakt, waardoor kleinere bedrijven tot de handel algoritmen van hun eigen te maken en te concurreren met grotere bedrijven. CEP is geëvolueerd van een opkomende technologie een essentieel platform van vele kapitaalmarkten. Meest consistente groei van de technologie is geweest in het bankwezen, waar opsporing van fraude en online bankieren, en multichannel marketing initiatieven.

Vandaag de dag, een breed scala aan financiële applicaties gebruiken CEP, met inbegrip van winst, verlies en risico management systemen, orde en liquiditeit analyse, kwantitatieve trading en signaal generatie systemen, en anderen.

Integratie met tijdreeksen databases

Een tijdreeks database is een softwaresysteem dat is geoptimaliseerd voor de verwerking van gegevens die door de tijd. Tijdreeksen eindige of oneindige reeksen van data-items, waarbij elk item heeft een bijbehorende tijdstempel en de sequentie van tijdstempels kan niet afneemt. Elementen van een tijdreeks worden vaak genoemd teken. De tijdstempels zijn niet verplicht om te stijgen, omdat in de praktijk de tijd resolutie van sommige systemen, zoals financiële gegevens bronnen kan heel laag zijn, zodat opeenvolgende gebeurtenissen kunnen gelijk timestamps dragen.

Tijdreeksgegevens biedt een historische context voor de analyse doorgaans geassocieerd met complex event processing. Dit kan van toepassing op alle verticale industrie, zoals financiën en coöperatief met andere technologieën, zoals BPM zoals elders beschreven in dit document.

Denk aan het scenario in de financiële wereld, waar er behoefte is aan historische prijsvolatiliteit statistische drempels van toekomstige koersbewegingen bepalen begrijpen. Dit is nuttig voor zowel de handel modellen en transactiekosten analyse.

De ideale geval voor CEP analyse is om historische tijdreeksen en real-time streaming data te zien als een enkele tijd continuüm. Wat gebeurde er gisteren, vorige week of vorige maand is gewoon een verlengstuk van wat er gebeurt vandaag en wat er kan gebeuren in de toekomst. Een voorbeeld kan inhouden huidige markt volumes in vergelijking met historische volumes, prijzen en de volatiliteit voor de uitvoering van transacties logica. Of de noodzaak om op te treden op live prijzen markt vergelijkingen met benchmarks die sector en de index bewegingen, waarvan de intra-day en de historische volatiliteit trends meter en glad uitschieters bevatten betrekken.

(0)
(0)
Commentaren - 0
Geen commentaar

Voeg een reactie

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Tekens over: 3000
captcha