[TASK] Generic commit

Bachelorarbeit.tex

@@ -520,26 +520,39 @@ Wie aus Listing~\ref{lst:sample_abstract_event_data} zu erkennen ist, ist jedes
 \section{Sprachkonzepte für CEP-Regeln}
 Um die Ereignisdatenströme von RDF-Quadrupeln nun in der C-SPARQL-Engine verarbeiten zu können, werden CEP-Regeln benötigt, die im Verarbeitungsprozess verwendet werden, um die Ereignisdaten auszuwerten. Im Fall der C-SPARQL-Engine sind CEP-Regeln als CSPARQL-Queries zu formulieren.
 
-\todo{\dots}
-Um den Einstieg in den CSPARQL-Akzent der C-SPARQL-Engine zu erleichtern, wird zunächst eine abstrakte Notation für CEP-Regeln eingeführt, anhand derer im Folgenden die Möglichkeiten innerhalb von CSPARQL-Queries erläutert werden sollen. 
-
-
-Listing~\ref{lst:sample_abstract_cep_rule} zeigt eine CEP-Regel in abstrakter Notation.
-\begin{lstlisting}[label={lst:sample_abstract_cep_rule}, caption={CEP-Regel in abstrakter Notation}]
-CONDITION
-
-ACTION
-\end{lstlisting}
-
 
 \subsection{CSPARQL als Sprache für CEP-Regeln}
 
 
 \paragraph{Sliding Windows}
+Um mit der Verarbeitung von Ereignisdatenströmen beginnen zu können, müssen die kontinuierlich einströmenden Ereignisdaten auf eine endliche Menge an Daten reduziert werden. Da je nach Anforderungen ältere Ereignisse in die Verarbeitung mit eingebezogen werden sollen, muss eine CEP-Regel in der Lage sein, Einfluss auf das Sliding Window zu nehmen, indem sie dessen Größe definiert.
+
+\begin{lstlisting}
+SELECT ...
+FROM STREAM <http://example.org/carSim/stream/carStream> [RANGE 10 MIN STEP 30 SEC]
+FROM STREAM <> [RANGE 10 MIN TUMBLING]
+WHERE {
+	...
+}
+\end{lstlisting}
 
 
 \paragraph{Aggregation von Ereignissen}
-
+\begin{lstlisting}
+WHERE { ... }
+AGGREGATE { 
+	(?zielVariable, COUNT, { ?groupByVariableA, ?groupByVariableB } )
+	FILTER ( ?zielVariable > 5 )
+}
+\end{lstlisting}
+Mögliche Aggregationsfunktionen laut \cite{barbieri:csparql} sind:
+\begin{itemize}
+\item COUNT
+\item SUM
+\item AVG
+\item MIN
+\item MAX
+\end{itemize}
 
 \paragraph{Mustererkennung}