JPT/bachelorthesis
0
0
Fork 0
Code Issues Pull Requests Activity

[TASK] Generic commit.

Browse Source
This commit is contained in:
Jan Philipp Timme 2016-09-28 16:48:50 +02:00
parent b971fde737
commit 34703a1fc1
1 changed files with 6 additions and 3 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

9
Bachelorarbeit.tex
View File

@ -459,8 +459,9 @@ ACTION
... auszulösende Aktionen ... ... auszulösende Aktionen ...
\end{lstlisting} \end{lstlisting}
\todo{GRAFIK: Mustererkennung grob zeigen?} \todo{GRAFIK: Mustererkennung grob veranschaulichen?}
\todo{Diesen Part eventuell weiter nach vorne schieben?}
\paragraph{Sliding Windows und Tumbling Windows} \paragraph{Sliding Windows und Tumbling Windows}
Um die großen Mengen von Ereignisdaten aus einem Datenstrom effizient verarbeiten zu können, werden sie in einem Fenster fester Größe betrachtet. Die Größe eines solchen Fensters wird häufig mit Zeiteinheiten wie Sekunden angegeben; selten wird die Größe durch eine Anzahl von Ereignissen angegeben, die das Fenster enthalten kann. Um die großen Mengen von Ereignisdaten aus einem Datenstrom effizient verarbeiten zu können, werden sie in einem Fenster fester Größe betrachtet. Die Größe eines solchen Fensters wird häufig mit Zeiteinheiten wie Sekunden angegeben; selten wird die Größe durch eine Anzahl von Ereignissen angegeben, die das Fenster enthalten kann.
@ -488,11 +489,11 @@ ACTION
\paragraph{Aggregation von Ereignissen} \paragraph{Aggregation von Ereignissen}
Eine weitere Möglichkeit zur Auswertung von Ereignisdaten ist die Aggregation von Ereignissen zu höherwertigeren Ereignissen. Hierbei werden Ereignisse gleichen Typs innerhalb eines Ereignisfensters betrachtet, gegebenenfalls nach bestimmten Attributwerten gruppiert und dann Aggregationsfunktionen wie Auszählung, Summen- oder Mittelwertbildung aggregiert. Dadurch können Kennzahlen und Trends aus den Ereignisdaten gewonnen werden, die dabei helfen können, die Entwicklung einer Situation innerhalb des Zeitfensters besser nachzuvollziehen und abschätzen zu können. Eine weitere Möglichkeit zur Auswertung von Ereignisdaten ist die Aggregation von Ereignissen zu höherwertigeren Ereignissen. Hierbei werden Ereignisse gleichen Typs innerhalb eines Ereignisfensters betrachtet, gegebenenfalls nach bestimmten Attributwerten gruppiert und dann Aggregationsfunktionen wie Auszählung, Summen- oder Mittelwertbildung aggregiert. Dadurch können Kennzahlen und Trends aus den Ereignisdaten gewonnen werden, die dabei helfen können, die Entwicklung einer Situation innerhalb des Zeitfensters besser nachzuvollziehen und abschätzen zu können.
\todo{GRAFIK: Aggregation grob zeigen?} \todo{GRAFIK: Aggregation visuell zeigen?}
Um innerhalb einer CEP-Regel Aggregationsfunktionen zu verwenden, muss ein Ereignismuster innerhalb eines Sliding Windows betrachtet werden. Um innerhalb einer CEP-Regel Aggregationsfunktionen zu verwenden, muss ein Ereignismuster innerhalb eines Sliding Windows betrachtet werden.
\todo{Weitermachen, CEP-Regelnotation!}
\paragraph{Integration von Domänenwissen} \paragraph{Integration von Domänenwissen}
Hat man in der Verarbeitung der Ereignisse durch CEP-Regeln alle Register gezogen, so kommt die Integration des Domänenwissens ins Spiel. Alle Fakten, die über die auszuwertenden Ereignisse bekannt sind, liegen hier vor. Beispiele dafür wären: Hat man in der Verarbeitung der Ereignisse durch CEP-Regeln alle Register gezogen, so kommt die Integration des Domänenwissens ins Spiel. Alle Fakten, die über die auszuwertenden Ereignisse bekannt sind, liegen hier vor. Beispiele dafür wären:
@ -503,6 +504,8 @@ Hat man in der Verarbeitung der Ereignisse durch CEP-Regeln alle Register gezoge
\end{itemize} \end{itemize}
Das Domänenwissen kann somit verwendet werden, um einer durch Ereignisdaten beschriebenen Situation einen eindeutigen Kontext zuzuordnen und somit die Interpretation der Daten stark zu erleichtern. Hat die Ereignisverarbeitung beispielsweise festgestellt, dass die durchschnittliche Drehzahl eines Motors bei 4200 Umdrehungen pro Minute liegt, so kann über das Domänenwissen nachgeschlagen werden, in welchem Fahrzeug der betroffene Motor montiert ist, von welchem Typen das Fahrzeug ist, und ob die Motordrehzahl für diesen Fahrzeugtypen zulässig ist. Das Domänenwissen kann somit verwendet werden, um einer durch Ereignisdaten beschriebenen Situation einen eindeutigen Kontext zuzuordnen und somit die Interpretation der Daten stark zu erleichtern. Hat die Ereignisverarbeitung beispielsweise festgestellt, dass die durchschnittliche Drehzahl eines Motors bei 4200 Umdrehungen pro Minute liegt, so kann über das Domänenwissen nachgeschlagen werden, in welchem Fahrzeug der betroffene Motor montiert ist, von welchem Typen das Fahrzeug ist, und ob die Motordrehzahl für diesen Fahrzeugtypen zulässig ist.
\todo{Weitermachen, CEP-Regelnotation!}
\paragraph{Auslösen von Aktionen} \paragraph{Auslösen von Aktionen}
Um mit einer CEP-Regel nun auf die durch sie erkannten Sachverhalte reagieren zu können, können nahezu beliebige Aktionen im \texttt{ACTION}-Teil der Regel definiert werden. Diese lassen sich hauptsächlich in zwei Kategorien einteilen: Um mit einer CEP-Regel nun auf die durch sie erkannten Sachverhalte reagieren zu können, können nahezu beliebige Aktionen im \texttt{ACTION}-Teil der Regel definiert werden. Diese lassen sich hauptsächlich in zwei Kategorien einteilen:
\begin{itemize} \begin{itemize}