w26M2

Big-Data-Technologien – Wissen für Entscheider
Complex Event Processing
Complex Event Processing ist eine Technologie zur
Verarbeitung von Informationsströmen, die Daten von
verschiedenen Quellen kombiniert, um Meßwerte zu
aggregieren, wichtige Ereignisse zu identifizieren und
zeitnah auf sie zu reagieren.
Typische Konzepte enthält die Tabelle 5.
Konzept
Projektion
Filter
Gruppierung
Aggregierung
Join
Erläuterung
Projektionen berechnen Werte
aus den Parametern eines Ereignisses
oder erzeugen daraus
Folgeereignisse.
Filter prüfen Bedingungen gegen
ein oder mehrere Ereignisparameter.
Sie propagieren das Ereignis, wenn
die Bedingungen erfüllt sind.
Gruppierungen partitionieren die
Ausgangsereignisse. Sie ermöglichern
so eine Auswertung nach
Gruppen. Sie reichen die Ereignisse
dann typischerweise an andere
Operation weiter.
Aggregierungen berechnen
Summen, Anzahl, Durchschnitt,
Maximum, Minimum von
Ereignisparametern.
Joins vergleichen und verknüpfen
Ereignisse verschiedener Ströme.
Dabei werden die entsprechenden
Werte und Timestamps
herangezogen.
Tabelle 5: Typische Konzepte in CEP-Anwendungen
Datenströme haben offensichtlich einen Zeitkontext. CEP-
Systeme unterstützen daher Zeitfensterabstraktionen.
Zeitfenster bewegen sich dabei abhängig von Konditionen
der Abfrage bzw. des Filters.
• Springende Fenster kumulieren Ereignisse über Zeitabschnitte.
Wenn alle Ereignisse für den Zeitabschnitt
erfasst wurden, werden sie als Ereignismenge zur
Weiterverarbeitung gegeben. Das Fenster »springt«
dann um einen fixierten Abschnitt weiter.
• Ereignisbasierte Fenster produzieren nur dann
Output, wenn während des Zeitfensters Ereignisse
auftreten. Die Ergebnismenge ist die Gesamtheit der
während der Fenstergröße aufgetretenen Ereignisse.
• Zählerbasierte Fenster geben für einen Zähler n
jeweils Eventfolgen der Länge n zurück.
CEP erfreut sich hoher Nachfrage im Finanzsektor wie
bei Versorgungs- und Fertigungsunternehmen weltweit,
ebenso im Internet of Things und im Social Web. Statt
traditioneller SQL-Abfragen historischer Daten ermöglicht
CEP hochfrequente Analysen gegen Datenströme mit
niedrigsten Latenzzeiten.
Die bekannteste Anwendung für CEP ist das hochfrequente
algorithmische Trading (HFAT) über regulierte
Börsen wie in unregulierten Over-the-Counter (OTC)
Swaps in sogenannten Dark Pools. HFAT-Exzesse trugen
ebenso 2008 zum Ausbruch der Finanzkrise bei wie zu
Kurseinbrüchen in jüngerer Zeit.
Etwas weniger kontroverse Anwendungen von CEP
umfassen die Echtzeitüberwachung von Anlagen und
Objekten sowie Smart Meters für Gas, Wasser und Elektrizität,
ebenso wie Produkt- und Sentiment-Analysen von
Social Daten, z. B. Twitterstreams. Anbieter im Gesundheitswesen
sehen künftige Anwendungen in Meßgeräten
für Blutdruck, Herzfrequenz und andere physiologischer
Daten, die über die Cloud Daten an CEP-Systeme liefern,
um gesundheitsgefährdende Ausschläge rechtzeitig
zu erkennen. Ein weiterer großer Markt für CEP ist die
Überwachung seismischer und kosmischer Aktivität in
Echtzeit, um laufende und künftige Umweltrisiken zu
erkennen.
Verschiedene weitere Anwendungsfälle für CEP und DSCP
werden im Abschnitt 5.5 näher beleuchtet.
53