促进复杂事件的定量分析通过计算智能模型驱动的工具

文摘

复杂事件处理(CEP)是计算智能技术能够分析大数据流实时事件模式识别。特别是,这项技术大大有用的分析模式中的多准则的条件,这将触发警报(复杂事件)实现。然而,CEP面临的主要挑战之一是如何定义要执行的定量分析的复杂事件。在本文中,我们提出了使用MEdit4CEP-CPN模型驱动工具的解决方案等进行定量分析的事件感兴趣的应用程序域,而不需要任何科学知识的编程语言实现模式的条件。精确,MEdit4CEP-CPN促进领域专家图形化模型事件模式,转换成一个优先的佩特里网(PCPN)模型,修改初始标记根据应用场景,通过仿真和监控,使定量分析尼共工具提供的功能。

1。介绍

复杂事件处理(CEP) [1)是一种用于分析和计算智能技术与大数据流以实时检测情况的兴趣。事件可以从其他的生成匹配的所谓事件模式满足模板描述的条件,认识到这种情况。

2.0 CEP符合事件驱动的面向服务的体系结构(SOA),其中应用程序和服务之间的通信是由产生的复杂事件模式检测。待检测事件模式的特定应用领域实现通过使用事件处理语言(epl) [2]。MEdit4CEP方法(3)提出了帮助领域专家与该实现。这个框架提供了一个编辑器,编辑图形建模能力容易指定CEP领域,事件模式和操作定义。这种方法生成灵异少女EPL代码(4从图形模型。此外,MEdit4CEP延长使用优先有色佩特里网(PCPN)形式主义5),新版本被称为MEdit4CEP-CPN [6,7]。在这个框架中,图形事件模式模型自动转换成图形PCPN同行,又转移到一个兼容的PCPN代码可解析的尼共工具(8)执行事件模式,目标是执行语义验证。因此,这种方法提供的优势提供了一个图形化的模型来执行这种验证:用户受益于一个更好的理解的内部语义模型通过视觉模拟模型,在那里可以看到它的动态行为和定位可能的错误,例如,在一定条件下,操作,时间窗口,等。因此,用户不仅观察是否有预期之间的差异和实际输出,还可以检查的内部动力学模式这些差异发生时执行。

虽然CEP如此强大的识别复杂的事件实时大数据流,领域专家必须面对如何定义要执行的定量分析的复杂事件。这些定量分析研究来评估现有的或计划中的场景,进行比较选择场景或找到一个最优方案。特别是,我们将集中时间场景因为CEP系统由事件流流动。

因此,本文的主要目的是演示如何使用MEdit4CEP-CPN等进行定量分析的事件感兴趣的应用程序域,而不需要任何科学知识的编程语言实现模式的条件。因此,终端用户提供一个一体化的图形化建模工具事件模式,转变成一个PCPN模型,修改初始标记根据应用场景,并使定量分析通过尼共工具提供的监控功能。显然,使用尼共工具需要一些知识来自用户为了进行定量分析,至少在修改产生的初始标记CPN模型,然后执行模拟得到的结果。显示在我们的未来工作计划,我们打算解决这个问题通过丰富我们的图形模型事件模式设计为了能够设置初始条件(事件流)在设计时,将该选项添加到自动执行尼共生产。得到的输出将被转换成相应的输出流中的复杂事件。

定量分析将通过模拟和将包括统计调查的输出数据(复杂事件),探索大型数据集,适当的可视化的输出数据,仿真实验的验证。从模拟获得输出取决于输入数据(简单事件)的系统。这些输入数据建立随机,根据特定的场景模型。因此,适当的统计技术可用于设计和解释仿真实验。

论文的结构如下。部分2描绘了一个通用的背景描述这项工作中使用的技术和工具。部分3指定不同的步骤之后这项工作进行定量分析。一个案例研究的病态建筑综合症就提出了部分4使用我们的方法,定量分析。部分5介绍了相关的工作,与我们的框架和比较研究。最后,部分6给出了结论和未来的工作。

2。背景

在本节中,我们介绍这项工作中所使用的主要技术,CEP和有色佩特里网(cpn),简要描述MEdit4CEP-CPN工具。

2.1。复杂事件处理

CEP是捕获技术,分析和大量的简单相关事件的最终目标检测相关或感兴趣的情况下在一个特定的域。捕获数据流的事件是通过信息系统,由设备如传感器,或来自社交网络,等等。这些数据被称为简单的事件,因为他们的特点是主要原始数据。处理这种简单事件的可能性将使我们能够推断出信息,更大程度的语义知识,从而获得所谓的复杂事件。例如,一个股票经纪人,某个公司的股票下跌2%可能是无关紧要的;然而,在很短的时间内,股价下降2%和也对公司的偿债能力低的新闻刊登在报纸的经济;它可能意味着它将是适当的尽快出售股票。在这种情况下,简单的事件将会在一段时间内t,公司的股票x至少下降2%,负面新闻是关于该公司在经济新闻。复杂的事件将立即出售的建议。这种方式,在一个给定的情况下,我们可以探测到的情况下特别相关的上下文或应用程序域。为了做到这一点,如图1显示,之前有必要定义一系列的事件模式指定简单的输入事件必须满足的条件来检测这种情况。这些模式定义和部署在CEP引擎软件用于匹配这些模式在传入的事件流,能够分析数据并提供感兴趣的情况下实时检测。CEP的主要优势相对于其他传统的事件分析软件添加处理大量数据的能力,并通知感兴趣的情况下实时检测,允许大幅减少决策延迟。这个决策能力依赖于CEP引擎部署的架构,允许系统执行某些行为或采取某些措施。

如前所述,CEP是一种技术,可以是非常有用的在一些应用领域如金融体系、卫生保健、能源优化,在线销售和营销、商业智能、安全、和运输,在众多国家中,由于CEP的目标是提供一个通用模式适用于各种各样的系统(1,9- - - - - -14]。然而,需要对应用领域的深入了解能够定义可能是相关领域的模式取决于系统中可以获得简单的事件。公司通常领域专家和计算机科学专家,但这些技能通常不落在同一个人的定义模式CEP引擎提供的语言不是微不足道的。由于这个原因,在过去,我们提议MEdit4CEP [3]。

MEdit4CEP的目的是定义和实现提供了一个工具,CEP模式定义适合领域专家没有特定的编程技巧。因此,MEdit4CEP是实时决策的模型驱动的解决方案在SOA 2.0提供了一个图形化的建模编辑CEP域定义和图形化建模编辑事件模式的定义,以及自动代码生成和部署的模式由领域专家建模。

2.2。佩特里网和定量分析

佩特里网(PN)被定义为一个bipartite-directed图有两种类型的节点,地方(描绘成圆圈)和转换(描绘成矩形),要么使用弧之间连接的地方和转换(pt-arcs)或转换和地方(tp-arcs) [15]。佩特里网的地方是用来表示系统的状态和条件,和过渡表示一个动作或一个事件产生一个系统状态的变化。

定义1(佩特里网)。佩特里网是一个三倍 ,在哪里的地方,T的转换,是一组节点,然后呢 弧的集合。对于任何一个节点(地方或转型),我们定义的先决条件和后置条件x,用和 ,分别如下: , 。
PN的动态演化是被所谓的标记。PN的标记是一个函数 ,每个地方分配一个自然数。这个数字通常表示为一组点在旁边的地方或由许多地方,它被称为的数量令牌在的地方。这个数字可以用于实例表明事件的数量必须处理或过程的数量在一个队列中。
一个自然数(弧重量)用于标签pt-arc。这个数字表明有多少令牌需要火(执行)即将离任的过渡,在默认情况下,一个。Tp-arcs也有体重相关,它指定多少令牌将在即将离任的地方产生过渡时执行。一个过渡t可以被解雇(启用状态)当所有先决条件的地方至少有尽可能多的令牌连接弧的重量t。一个过渡的射击t删除从其先决条件的地方的令牌等于pt-arc的重量 连接,并插入新的令牌后置条件的地方,根据权重tp-arcs。
佩特里网是不计时的和令牌不带任何信息。尼共(16)是一个PN扩展包含数据和时间,允许模型复杂的数据结构附加标记。因此,有一个关联的地方颜色设置(数据类型),表示允许标记颜色的集合在一个给定的地方。
尼共工具(8)是一种广泛使用的工具,让我们来创建、编辑、模拟和分析尼泊尔共产党。下面描述的符号是使用这个工具。在尼泊尔共产党,我们可以有地方没有附加信息(颜色设置单位),如在平原模型。但是我们可以有其他颜色集,如整数的集合INT笛卡儿积的两个或两个以上的颜色集 , ,和一个字符串 。每个令牌都有附加的数据值(颜色),属于相应的颜色。
在尼共工具,当前每个地方画上的令牌数量在绿色圆圈的地方,旁边的特定颜色这些令牌使用的符号表示 ,这意味着我们有米实例的颜色 。当我们有一些令牌在一个地方不同的值,我们用符号“+ +”表示他们的结合。
弧可以有铭文(弧表达式),构造使用变量、常量、运营商、匹配和功能的评价颜色设置连接的地方。过渡t与变量在其输入弧的表情,绑定的t是一个特定的值分配给每一个变量。一个过渡t然后启用绑定如果有一个绑定这样的评估每个输入弧的表达t匹配相应的标记(相同的值)在相应的输入。
我们可以守卫相关的转换,可以用来限制他们的射击。警卫谓词使用变量,构造模型的常数,操作符和函数。为保护过渡fireable,警卫必须真实的评价选择的绑定。优先级也可以关联到一个过渡。当两个或两个以上的转换可以被解雇(执行)在给定的时间,过渡的最高水平的首要任务是先开火。与优先级被称为优先尼共尼共(PCPN)。具体来说,我们使用以下重点: , , , , , (对于一个特定的 )和 ,这一减少优先秩序。
尼共工具允许我们把模型分割成页,这是一个有用的功能来处理大型模型。在这种情况下,替代过渡和融合的地方可以用来符合整个模型。替代转换允许我们创建分层模型,一些过渡表示包含在其他尼共页面的操作,而融合的地方是在不同的页面中使用的地方,如标识的地方,相同的融合标签在功能上是相同的。

例子1。让我们考虑PCPN描绘在图2。的地方InputEv和OutEv有INT2颜色设置和ProcSqn和SqOut有INT的初始标记颜色集。这两个地方ProcSqn和SqOut是(一个整数的令牌值1)。InputEv代表一个输入事件流的系统必须处理这些事件产生的输出流与这些事件,其价值大于2OutEv)。每个事件都由一个笛卡儿积表示2的整数(colorsetINT2),第一个组件代表事件的事件数量和第二个组件值(整数)。的初始标记的地方InputEv是 ,图中所示。转换标记与它们相关的警卫队和优先级信息(如果空P_NORMAL)和弧贴上相应的表达式。所有变量在表达式中使用 都是整数。
在这个PCPN,地方SqOut让我们按顺序产生的事件数量OutEv。的地方ProcSqn作为一个序列计数器,以处理事件令牌InputEv在秩序。过渡selcond当我们有一个令牌必须被解雇 在InputEv与一个序列号n等于表示ProcSqn满足条件 。过渡selcond更新序列号ProcSqn,通过增加一个单位。否则,当过渡selcond不能被解雇,过渡incr_sq是为了增加序列号开火ProcSqn,但它将停止向当序列号ProcSqn大于最大序列号InputEv。
最后的标记了OutEv因此,对于初始标记表示在图中。最后的标记上ProcSqn是和SqOut是 ,和地点InputEv保持最初的标志。
定量分析在尼泊尔共产党让我们获得相关性能指标的系统建模。例如,这种分析是用来获得平均响应时间,吞吐量,队列长度,等等。在我们的例子中,都可以使用定量分析验证并获取预测信息定义的事件模式通过喂养系统与不同的事件场景。定量分析使用尼共通常是基于模拟为了获得感兴趣的措施建模场景。这个基于仿真的定量分析是通过一系列冗长的CPN模型的模拟,在数据收集从绑定元素,发生的转换,和标记,获得感兴趣的估计的措施;在我们的例子中,系统的期望输出。此信息收集的重复相同的实验(模拟)的次数,利用CPN的复制功能工具,然后利用CPN的监控功能仿真工具来提取相关数据。具体来说,我们使用断点位置内容和数据收集器监视器,这使我们能够确定一个地方变得明显,提取数字数据在模拟过程中,分别。例如,这些监视器可以用来计数的次数一个特定的过渡已经解雇了在模拟,提取标志CPN模型的一些特定的地方或者获得第一个即时的一个特定的过渡被解雇了。
因此,定量分析基本上是基于尼共的监控和复制功能工具,它为我们提供了一个报告和日志文件可以使用其他著名的统计计算分析工具,如R、Matlab和SPSS。
作为一个例子,让我们考虑尼共描绘在图2。可能感兴趣的知道多少次过渡selcond触发,也就是说。,the amount of tokens gathered at placeOutEv。图3(一个)显示了尼共的绑定工具调色板工具监测的目的,和图3 (b)显示了已定义的监视器数一数解雇的过渡selcond。在这种情况下,从这个例子可以看出,应用监测获得的结果是2。
实验可以为不同的场景通过修改初始标记,也可以随机生成,产生合成场景。例如,我们可以定义一个函数M_init产生一个随机的初始标记n标记的地方InputEv在图2使用离散均匀分布,如下: 繁殖实验,我们可以使用复制尼共工具提供的功能。以下表达式模拟米乘以这个例子: 这些实验的输出获得使用这些随机初始标记可以用上面提到的统计计算工具进行分析。

2.3。MEdit4CEP-CPN

正如前面解释的,这个工具是在[引入6)作为扩展MEdit4CEP [3)处理的语义验证建模模式。

特别是MEdit4CEP-CPN主要由一个特定领域的建模语言(DSL)和一个图形化的建模编辑器自动将事件模式模型转换为PCPN图形模型。然后,这些模型进行验证和转换成代码可执行的佩特里网软件。

这个DSL是使用ε语言实现(17)模型到模型转换、模型验证和基于模板的代码生成。此外,ε尤金尼亚(18),前端的图形建模框架,用于实现编辑器。可以找到更详细的实现(6]。

图4说明了第七阶段,下面解释,用户不仅可以按照完成的语义验证建模模式还能够执行一个复杂事件属性的定量分析研究场景。

2.3.1。事件模式模型定义

在阶段1中,该工具用户预计将图形化定义事件模式被发现在一个特定的应用程序域。

2.3.2。事件模式模型语法验证

一旦事件模式建模(阶段1),由于使用了编辑器,用户可以自动验证模式语法(阶段2)。编辑器将检查模型是否符合ModeL4CEP元模型。后来,固定在继续之前的错误将被显示。在这个阶段,我们可以通过PCPNs完成语义验证(阶段3、4、5、6);否则,第7阶段可以自动执行,目的是将模型转换为EPL的代码。

2.3.3。事件模式模型转换PCPN模型

在第三阶段中,事件模式模型自动转换为PCPN模型。为了提供这样的功能,编辑器提供了与PCPN元模型和一组模型到模型转换规则,我们定义和实现这一目的。因此,PCPN符合指定的元模型生成。

2.3.4。PCPN模型语法验证

一旦PCPN模型自动生成,在第四阶段,领域专家可能修改PCPN根据他们的需求。例如,他们可能感兴趣的编辑初始标记检查其他他们感兴趣的特定场景。PCPN版之后,(1)检查新模型是否符合PCPN元模型,(2)验证规则是否满足通过语法验证。应固定在继续之前的错误第二阶段将会显示在这个阶段。

2.3.5。PCPN PCPN代码的模型转换

在阶段5 PCPN模型自动转换为可执行的PCPN代码(PCPN代码是指专有PCPN文件格式,可以执行一个特定的软件);一套模型到文本转换规则定义和实现了这一目的。

2.3.6。语义验证和定量分析

专家负责模拟和分析PCPN将提要网络与任意数量的初始标记在6级(的事件流)。这种方式,可以检查事件模式语义上是正确的,以及将进行定量分析(见部分3)。在检测到语义错误时,我们应该回到第一阶段。

2.3.7。模型转换EPL代码和部署模式

最后,在第7阶段事件模式模型自动转换为代码和部署在EPL CEP引擎。在这项工作中,我们是灵异少女CEP引擎生成代码,但是新的转换规则对其他感兴趣的CEP引擎可以轻松地创建和集成在该编辑器中。

因此,我们可以得出结论,我们有一个自顶向下方法中,用户可以以图形方式定义他们想模型(事件模式)和该系统自动提供了实现代码。这样,根据相关联的功能阶段5和6,MEdit4CEP-CPN允许我们推断出额外的有意义的信息和获得预测结果的分析模式来喂养系统不同的初始场景(标记)。

3所示。定量分析的复杂事件

CEP是一类新的事件处理解决方案整合标准中间件架构,使事件处理嵌入到任何标准的企业应用程序。这种新的服务技术带来的力量驱动的洞察任何行业和最终用户。但有时,它不容易由领域专家使用。从这个意义上说,创建MEdit4CEP-CPN达到下一个目标在CEP范围:(我)创建用户友好的模式促进领域专家的任务定义事件模式(2)句法和语义模型验证通过模型驱动技术和尼共工具,分别,不需要深入了解CEP或PCPN形式主义(3)模型到模型和模型到文本转换为自动转换事件模式模型到PCPN模型和EPL代码也PCPN模型到可执行的代码尼共工具(iv)基于插件的解决方案,它将使我们能够轻松地扩展与附加功能如玻璃盒测试和黑盒测试技术模型,或预测分析,通过分析历史数据预测未来场景

在本文中,我们专注于6级(语义验证和定量分析),简要描述的部分2.3收到作为输入,自动生成PCPN尼共可执行的代码的工具。在本文中,更具体地说,我们定义和执行的特定阶段必须遵循下进行系统的定量分析研究(见图5)。

3.1。6 (a)场景配置

初始标记( )生成的初始化PCPN有序流动的简单事件( ),代表一个特定的场景。这个事件流可以介绍手动或自动生成利用CPN工具提供的确定性或概率分布函数。注意,数据自动生成很方便进行分析的目的。

3.2。6 (b)确定的定量分析

然后利用CPN工具执行PCPN为了获得相应的输出(检测复杂事件)。因此,这一阶段允许我们进行语义验证以及确定性输入事件流的定量分析。

3.3。6 (c)随机定量分析

另外6级(b),最初的标志获得使用随机输入事件流,根据不同的场景,然后使用模拟和执行PCPN尼共工具提供的监控功能。

因此,分析不同的场景是在6级,我们喂PCPN与最初的标记,模拟场景进行了研究。特别是,我们可以产生初始标记用确定性函数模拟特定情况或使用概率分布生成随机值复制场景感兴趣的。例如,一个正态分布可以用来生产增量在温度测量,一个指数分布来表示用户到达医院急诊室,等等。在这种情况下,当使用随机初始标记,尼共工具使我们能够复制尼共通过自动生产执行的初始标记,和监视功能可以用于收集相关数据的模拟。

4所示。案例研究:病态建筑综合症

的例子在前一节中描述的方法,我们考虑这样一个场景的事件相关的病态建筑综合症(SBS),这被认为是由世界卫生组织(世卫组织)(19)的一组症状人无缘无故的建筑物内。SBS的一些症状是鼻子、喉咙和眼睛刺激;瘙痒、干燥、红皮肤;干粘膜感觉;精神疲劳;头痛,头晕,恶心。这些症状严重程度增加,人们花更多的时间在建筑但会随着时间的推移而减少甚至消失当人们远离建筑物。除了健康问题,影响人们的工作表现变得明显,相应损失的生产力。SBS是普遍存在的,可能发生在医院、办公室、公寓、幼儿园,学校,等等。尽管SBS的原因尚不清楚,但一些主要因素与室内空气质量(IAQ)来自不同来源的化学物质的排放,粒子,氡,宠物和害虫,微生物,温度、湿度和通风。

从这个意义上说,世卫组织提供了指南(20.)保护公共卫生风险的选择通常出现在室内空气污染物,包括一氧化碳,污染物,我们考虑在这工作。

这些建议与室内暴露有关有限公司:(我) 15分钟(假设光锻炼,这样暴露水平并不经常发生每天不止一个)(2) 1小时(假设光锻炼,这样暴露水平并不经常发生每天不止一个)(等一些欧洲机构还建议https://www.anses.fr/fr/system/files/AIR2004etVG003Ra.pdf)(3) 8小时(算术平均浓度和少量或适量运动)(iv) 24小时(算术平均浓度,假设发生当人们清醒和警惕,但不运动)

例如,让我们考虑一个学校特定的室内场景,孩子们在教室呆5 h /天。然后我们关注第二个建议:nonhealthy室内空气质量对应大于或等于平均水平的有限公司1小时。

接下来,我们遵循节中描述的阶段2.3在新阶段提出了部分3)为了使复杂事件检测的定量分析对于这个场景使用MEdit4CEP-CPN和尼共工具。

4.1。阶段1 - 5:事件模式模型定义、语法验证和转换PCPN模型以及PCPN PCPN代码模型语法验证和转换

域包括考虑这个假设的场景每隔5分钟测量聚集在一个特定的教室。因此,一个简单的事件由一个测量污染物,教室标识符的测量收集和测量的时间戳。我们考虑事件的时间戳为整数(分钟),教室标识符作为字符串有限公司值为实数。使用MEdit4CEP-CPN,我们可以很容易地定义这个域(有限公司事件类型)。图6(一)描述了域建模和语法验证MEdit4CEP-CPN,和图6 (b)显示了其自动翻译EPL代码。

模式可以很容易地使用该工具建模和语法验证。图7(一)显示了CO_Avg计算的建模模式污染物平均在最后一小时,而图7 (b)显示了它的自动转换成EPL代码。同样,图8(一个)显示了CO_Unhealthy建模模式,来检测和识别的情况下平均计算CO_Avg大于或等于什么 ,和图8 (b)显示了其转换成EPL代码。

再次使用我们的MEdit4CPN-CPN工具,CO_Avg和CO_Unhealthy事件模式自动转换为相应的PCPN模型组成的四个不同的页面(见[6]这些转换的完整描述):两页模式转换获得污染物平均和条件确定的阈值已经达到(参见图吗9和10分别为简单和复杂事件)和两个页面(参见图11和12分别)。相应的尼共工具声明也如清单1.1所示。为简单起见,我们考虑PCPN模型中一个单位时间对应的5分钟,因此tp_CO_Avg = 12清单1.1。

4.2。6级(a):场景配置

类似于示例1,初始标记CO_in包含令牌代表输入事件(见图13)。在这种情况下,这些事件代表了有限公司被测量值。在该方案中考虑,最初的标志CO_in的地方,我们从一开始有限公司的价值 。这个值就增加的值每5分钟。

4.3。6 (b)阶段:确定的定量分析

执行PCPN模型通过运行仿真后,的值达到60后时间单位(300分钟)CO_Avg的地方(见图14),所以CO_Unhealthy地方是空的,因为没有产生复杂事件对应这种情况。因此,在这种情况下,由这个特定值模拟,阈值是没有达到平均水平的有限公司计算中考虑一段时间。

4.4。6级(c):随机定量分析

这个阶段包括在模拟不同的场景中通过修改初始标记具有随机输入事件流,从而获得定量结果的场景。尼共工具提供了一个模拟引擎,这使我们能够自动复制模拟一个场景使用它监控功能。利用CPN工具的这是一个重要的优势:我们可以通过仿真实验获得有关性能措施,利用CPN的监控功能的工具。正如前面提到的,显示器是用来观察、检查、控制模拟。特别是,我们使用数据收集器显示器,用于提取从PCPN数值数据。然后用于计算获得的数值数据的统计信息。

为了实现这一目标,我们使用合成数据,代表不同的场景。因此,一个新的尼共工具页面包含在PCPN模型产生的初始标记不同的场景(6级(a)),从一定的价值有限公司污染物和增加使用概率分布(见图15)。在这个图中,过渡tinitial火灾61倍以生产61事件的地方CO_in(我们生产61事件允许滑动时间窗口处理第一因为我们需要时钟达到60事件价值61)。对于每次开火,有限公司值(用变量表示xx)最初的更新,增加一个值从一个均匀分布参数和(xx +制服(f1,f2))。通过改变初始有限公司值,参数和/或概率分布函数,我们可以轻松地生成不同的场景。

我们现在应用的监控特性尼共工具,它允许我们观察、检查、控制、或修改尼共的模拟。我们考虑两种情况,对这项工作的兴趣。首先检查是否该场景达到一种不健康的情况,第二个的时候第一个出现这种不健康的情况。为此,分别指定两个显示器。第一个监控(reach_place_unhealthy断点监控)是一个内容,它将表明我们如果至少有一个令牌的图14和第二个(time_first_unhealthy)是一个数据收集器监视器,它表明我们的时间达成第一次的地方。两个显示器如图所示16。在第一个监视器,我们只显示的名字将停止执行的地方如果标记(CO_unhealthy),而在第二个监视器,我们需要编写一个谓词表示和一个停止条件观察者函数获取的时间停止执行。

一旦建立了初始配置,我们可以使用的工具模拟器引擎自动复制实验n次,以获得性能结果。例如,我们可以使用下面的代码来复制它100倍:

接下来,我们介绍一个具体的案例研究,表所示1,9个不同的场景。本研究的目的是检查的概率达到前300分钟不健康的条件。在这种情况下,初始值有限公司所有的模拟是( )和100年复制被用来获得结果。作为一个例子,在相对应的第三行第三个场景中,每一次有限公司值是在最初的位置(参见图更新15),其价值是增加了一个任意增加0.5和0.65之间。因此,均匀分布的参数函数统一(f1,f2)建立和 。在这个实验中,模拟达到一种不健康的情况。注意,当增加的参数(表中最后一行),我们总是获得一种不健康的情况(100%)。

其他分布函数也可以被认为是。例如,我们可以考虑正态分布正常(f1,f2)生产事件初始标记,以及考虑公司的初始值 。特别是,在场景中获得参数的正态分布和 ,0.5和0.75,一种不健康的情况总是前300分钟。然而,时间达到这种情况要取决于这些参数的值。因此,现在的目标是确定的时间不健康的条件。研究这种情况下,我们继续在前面的情况下,通过执行100复制参数的值和上面显示。图17显示了结果使用箱线图(中央用红色标记表示中位数,底部和顶部的边缘蓝色框表示第一和第三个四分位数,分别)。胡须(不连续线画在黑盒)扩展到最极端的数据点不是离群值,异常值的位置绘制在红色)使用“+”符号。

请注意,我们选择了一个合成的场景来说明我们的方法的适用性,即。,我们从一个特定的值有限公司价值,我们使用不同的分布产生事件信息在接下来的300分钟。可以考虑其他安排,通过修改初始值和/或用于改变值的可信值的分布在整个时间。显然,利用CPN和尼共工具的兴趣在于使用自动模拟器引擎的可能性和监控功能,使系统的性能研究,得到预测结果的行为。

最后,该模型可以通过包括丰富的操作应采取处理情况检测。作为一个例子,发现不健康的情况(有限公司平均大于1小时),我们可以考虑尽可能行动启动空调,打开窗户,一些球迷开始,等。这些行动可以被包括在PCPN模型转换,将执行这些条件被满足。此外,我们还可以使用真实的数据从传感器获得以模拟一个场景这污染的信息。因此,获得的结果,我们可以预测不健康的情况,然后启动风扇或空调之前发生。

5。相关工作

近年来,出现了一些集体的计算智能技术和工具以应对大数据分析的要求。其中,CEP技术是必不可少的分析多准则的复杂性,可能生成警报(21),提取有意义的事件。然而,事件模式的实现条件可以成为用户的障碍专家所涉及的领域而不是技术。此外,进行数据的生成语义验证这些模式是一项繁琐的任务。要解决这些问题,一方面,一些作品提出的使用Petri网进行语义事件模式的验证,而其他人使用模型驱动工程(身边)技术使CEP技术接近任何用户。我们提出两种方法的结合。

关于使用佩特里网形式主义作品,Offel et al。22]表明正式的方法的佩特里网可以帮助设计和实现的CEP系统不发达,但它们在发展的过程中工具支持CEP的设想验证系统。Weidlich et al。23PCPNs使用时间来定义一个模型的事件处理网络。的事件处理网络(杀虫剂)架构,和一般的翻译这一概念,一个例子ETALIS框架中实现(24),也提出了。

Ahmad et al。25)描述一个方法建模CEP使用定时净条件事件系统(tnc) [26]。应用程序一个生产线也给出了一个例子。生均佩特里网派生形式主义是基于条件事件系统模型离散事件动态系统。tnc NCES随时间扩展,基于timed-arc佩特里网(27- - - - - -29日]。因此,对我们的工作的主要区别,除了佩特里网形式使用,是我们PCPN翻译融入MEdit4CEP工具,从而自动获得PCPNs从事件模式创建的图形规范使用这个工具。

其他作者像Metzger et al。30.]分析了CEP系统验证的角度应用模型下跳棋。作为一个例子,作者执行增量验证利用Petri网模型Tapaal工具,一个有界模型检验器。这项工作中使用的方法来解决状态爆炸问题是逐渐增加的大小模型,这是一种不同的方法来分析CEP系统而不是使用定量分析。Cugola和Margara31日)定义了特斯拉的语言,这是一个复杂的事件规范语言,基于度量时序逻辑。特斯拉是一个高度表现力和灵活的语言在一个严格的框架,提供内容和时间过滤器、否定、计时器、骨料和完全可定制的政策事件选择和消费。爱立信et al。32雷克斯)定义了一个原型工具,支持指定CEP系统和高级图形语言正确性属性。CEP应用程序转换成时间自动机,UPPAAL工具(33)是用于自动验证。Agrawal et al。34,35]也定义了一个时间自动机复杂事件系统的形式化。他们现在Sase +模式语言,它定义了一个精确的语义方面的时间自动机与特斯拉的工作介绍了类似的结果。Cugola和Margara也提出了洞穴工具(36]的目的帮助领域专家的定义一套可靠的CEP应用程序规则。特别是,这个工具分析CEP应用程序的行为将财产检查规则转换为基本约束解决问题。此外,他们还提出了一个调查37)现有的信息流处理(奖学金)系统,包括CEP系统、activa数据库等等。他们展示这些奖学金项目系统中采用的不同方法和机制来处理事件流处理。

重写逻辑和莫德语言(38)也已经用于指定和分析CEP系统。Burgueno et al。39)提出一个用于CEP的规范的应用程序的框架,允许开发者正式分析和证明他们CEP项目的属性。CEP的概念和机制,莫德的编码,和一些分析,涵盖了CEP模式的静态属性和统计模拟的系统。Garci-a-Lopez et al。40CEPA)已经实现了CEP的变换工具程序抽象语法树(AST)捕获模式依赖,目标检查和纠正两个特定属性的CEP系统:规则acyclicity和规则竞态条件。

有关定量分析的复杂事件,Tendick et al。41]关注统计方法的使用CEP技术实时决策,提供另外一个比较计算技术的广泛使用为实时数据。其他方法像Rajsiri等的工作42),这里介绍的关注通过模拟工作室。Rajsiri等人提出一个业务流程编辑器和模拟器开发了基于事件驱动的业务流程建模方法使用BPMN 2.0的形式主义。这项工作处理业务流程仿真的问题考虑到even-driven角度观察系统行为;然而,用户无法自动复制场景。此外,还有一些工具CEP的绩效评估应用程序的模拟,例如,CEPSim [43]是CEP的模拟器和流处理(SP)系统在云环境中,使我们能够分析用户定义的查询的性能和可伸缩性和评估各种查询处理策略的影响。门德斯et al。44发达FINCoS),这是一组基准测试工具的负载生成和性能测量事件处理系统,使绩效评估在CEP平台上独立的结构差异或工作负载使用。同时,李和浆果45]也开发了一个基准的复杂事件处理系统关注的复杂事件处理功能行为:过滤、转换和事件模式检测。他们也显示性能测量的因素影响。

作为总结,表2显示了我们的建议的比较(MEdit4CEP-CPN)最具代表性的提到建模/分析作品基于正式的方法。

它还值得特别提及CEP引擎Cugola和Margara[提出的46),霸王龙,基于特斯拉相结合的语言表达能力和效率。霸王龙中间件提供了一个有效的事件检测算法基于自动机特斯拉解释规则。这项工作可以一起使用我们的建议通过加入更多的转换来生成特斯拉的规则。

对于工作考虑pn的元模型,戈麦斯et al。47)提出了域pn的元模型生物数据处理。然后模型符合这个元模型转换为XML代码可执行的尼共工具。这项工作显示了一些限制对我们的建议。其中,PN建模接近尼共工具概念,和树模型编辑器是用于生产模型。此外,CPN模型只能有一个页面,不考虑优先级。此外,Westergaard et al。48)实现访问/尼共,框架提供尼共工具有两个接口。一个是标准的标记语言编写的,它是有用的分析方法。其他接口是用Java编写的,并提供一个面向对象的表示CPN模型、对象模型的元模型是实现通过使用Eclipse Modeling Framework (EMF)。然而,实际上并不是最新发布的最新版本,虽然从Subversion(可用的最新版本https://svn.win.tue.nl/repos/cpntools/AccessCPN/trunk/)具有更好的支持4.0特性的CPN工具,它仍然是不完整的,由Westergaard如上所述。此外,佩特里网建模是通过使用树模型编辑器(不是一个图形与节点和链接),在工作的戈麦斯et al。47]。

6。结论和未来的工作

在本文中,我们说明了使用MEdit4CEP-CPN复杂事件分析方法通过一个案例研究基于病态建筑综合症。事件模式与MEdit4CEP-CPN图形化建模,然后自动转换成两个EPL与尼共代码。另外,尼泊尔共产党工具被用来使定量分析这个案例研究的事件产生。鉴于MEdit4CEP-CPN提供的灵活性,这种分析可以应用于其他尖端实际案例研究,如电子健康(49,机器人50)和移动边缘和云计算应用程序(51]。

所示的相关工作,有许多作品利用CPN模型CEP-based语言,而是我们所知,他们不为终端用户提供一个一体化的图形工具与下列目标:(1)建模CEP域和事件模式以用户友好的方式通过拖放元素在画布上,(2)语法验证模式,(3)自动转换成CPN模型的图形模式,(4)自动转换XML代码可执行的CPN模型尼共工具和验证模式语义,(5)自动生成灵异少女EPL的代码并将其部署在一个特定的基于事件的系统,和(6)提供了一个定量分析的复杂事件通过尼共工具自动生成的可执行模型的工具。让我们观察到MEdit4CEP-CPN模型驱动的方法提出了支持这些功能。

作为未来的工作,我们计划向MEdit4CEP-CPN添加额外的特性和功能,如进一步EPL运营商和新的转换技术。因为尼共工具的使用需要一些知识来自用户为了进行定量分析,至少在修改产生的初始标记CPN模型和执行模拟得到的结果,我们打算解决这个问题通过丰富我们的图形模型事件模式设计。这将使它可以设置初始条件(事件流)在设计时,将该选项添加到自动执行尼共生产。得到的输出将被转换成相应的输出流中的复杂事件。

数据可用性

获得PCPN模型和仿真数据用于支持这项研究的结果已经存入Mendeley库(DOI:10.17632 / kfrkyzdxnv.1)。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作已经部分支持的西班牙MINECO /菲德尔项目tin2015 - 65845 c3 - 2 r, tin2015 - 65845 - c3 - 3 - r和tin2016 - 81978 redt。Boubeta-Puig要感谢实时和并发系统研究小组大学接待来访时他们恰拉,西班牙的一部分开发工作。

引用

1. d·卢克汉姆事件处理业务:组织实时企业约翰•威利& Sons新泽西,新泽西,美国,2012年。
2. f . Bry m·埃克特o . Etzion j . Riecke p .艾德里安,“事件处理语言。2009年德布斯教程,”学报》第三届ACM国际会议分布式基于事件的系统美国纳什维尔,TN, 2009年7月。视图:谷歌学术搜索
3. j . Boubeta-Puig g·奥尔蒂斯,i Medina-Bulo”MEdit4CEP:实时决策模型驱动的解决方案在SOA 2.0中,“以知识为基础的系统卷,89年,第112 - 97页,2015年。视图:出版商的网站|谷歌学术搜索
4. EsperTech,“Esper-complex事件处理”,2019年2月,http://www.espertech.com/esper/。视图:谷歌学术搜索
5. w·m·p·范德阿尔斯特和c·斯特尔业务过程建模中Net-Oriented方法。合作信息系统系列美国马剑桥,麻省理工学院出版社,2011年。
6. j . Boubeta-Puig g·迪亚兹h . Macia诉瓦莱罗能源g·奥尔蒂斯,“MEdit4CEP-CPN:复杂事件处理建模的方法优先有色佩特里网,“信息系统卷,81年,第289 - 267页,2019年。视图:出版商的网站|谷歌学术搜索
7. h . Macia诉瓦莱罗能源g·迪亚兹,j . Boubeta-Puig g·奥尔蒂斯,“复杂事件处理优先着色Petri网建模,”IEEE访问4卷,第7439 - 7425页,2016年。视图:出版商的网站|谷歌学术搜索
8. m . Westergaard和h . m . w . Verbeek“尼共工具主页,”2019年2月,http://www.cpntools.org/。视图:谷歌学术搜索
9. a . Adi d Botzer:吉尔,而美国人,“金融服务、复杂事件处理”学报2006年IEEE服务计算车间研讨会论文集光碟,IEEE,芝加哥,2006年9月,美国。视图:谷歌学术搜索
10. a .曼h . c . Pfohl s Appel et al .,“事件驱动的服务:整合生产、物流和运输”面向服务计算迈克尔•马克西米连e, g·罗西,S.-T。元、h·路德维希和m . Fantinato Eds。,卷。6568,pp. 237–241, Springer, Berlin, Germany, 2011.视图:谷歌学术搜索
11. r·迦得m卡佩斯,j . Boubeta-Puig Medina-Bulo,“使用CEP范式对于网络分析和监测,”《第九高级电信国际会议IARIA,页204 - 210年,罗马,意大利,2013年6月。视图:谷歌学术搜索
12. a . Garcia-de-Prado g·奥尔蒂斯,j . Boubeta-Puig”收集:协作环境敏感面向服务的体系结构在物联网智能决策,”专家系统与应用程序卷,85年,第248 - 231页,2017年。视图:出版商的网站|谷歌学术搜索
13. 答:加西亚德普拉多,g·o·奥尔蒂斯,j . Boubeta-Puig和d . Corral-Plaza”Air4People:智能空气质量监测和环境敏感通知系统,”通用计算机科学杂志》上,24卷,不。7,846 - 863年,2018页。视图:谷歌学术搜索
14. 张h·w . Wang, y, j .徐”IoT-enabled实时能效优化方法,能源密集型制造企业,“国际期刊《计算机集成制造没有,卷。31日。4 - 5,362 - 379年,2018页。视图:出版商的网站|谷歌学术搜索
15. m . e . Cambronero h . Macia诉瓦莱罗能源和l . Orozco-Barbosa”的建模和分析使用定时有色佩特里网机的通信协议,”IEEE访问》第六卷,第27372 - 27356页,2018年。视图:出版商的网站|谷歌学术搜索
16. k·詹森和l . m . Kristensen有色佩特里网:并发系统的建模和验证施普林格出版社,柏林,德国,2009年第1版。
17. Eclipse基金会“ε”,2019年6月,https://www.eclipse.org/epsilon/。视图:谷歌学术搜索
18. d . s . Kolovos a . Garcia-Dominguez l . m .玫瑰,和r·f·佩奇“尤金尼亚:纪律和GMF-based图形化模型编辑器的自动化发展,”软件和系统建模,16卷,不。1,第255 - 229页,2017。视图:出版商的网站|谷歌学术搜索
19. 世界卫生组织,欧洲区域办事处瑞士,日内瓦,2019年2月,http://www.euro.who.int/en/home。
20. 世界卫生组织,欧洲区域办事处室内空气质量指南:选择污染物,日内瓦,瑞士,2019年2月,https://apps.who.int/iris/bitstream/handle/10665/260127/9789289002134-eng.pdf?sequence=1&isAllowed=y。
21. n Bessis f . Xhafa,下一代数据集体计算智能技术施普林格,柏林,德国,2011年。
22. m . Offel h . van der Aa, m . Weidlich”网络正式的复杂事件处理的方法,”会议的程序“Lernen Wissen, Daten, Analysen”, LWDA 2018曼海姆,页281 - 284年,德国,2018年8月。视图:谷歌学术搜索
23. m . Weidlich m . 1月,a .加”网络事件处理分析网路,花快交货情况下,”佩特里网和并发应用程序和理论,信号,j·m·科罗姆和j . Desel Eds。,卷。7927,pp. 270–290, Springer, Berlin, Germany, 2013.视图:谷歌学术搜索
24. d . Anicic和p . Fodor“事件驱动的事务逻辑推理系统,”2019年2月,https://code.google.com/archive/p/etalis/。视图:谷歌学术搜索
25. w·艾哈迈德·a·Lobov l .何塞和m . Lastra”正式造型复杂事件处理:一个通用的算法及其应用到生产线,”《IEEE 10日国际会议产业信息,INDIN,第385 - 380页,北京,中国,2012年7月。视图:谷歌学术搜索
26. Rausch m和h . m . Hanisch“网络状态/事件系统输出与多个条件,”新兴技术和工厂自动化学报ETFA 95年,页592 - 600年,巴黎,法国,1995年10月。视图:谷歌学术搜索
27. d . de Frutos诉瓦莱罗能源,o . Marroquin”属性的可判定性timed-arc佩特里网,”佩特里网应用和理论,信号m·尼尔森和d·辛普森,Eds。,卷。1825,pp. 187–206, Springer, Berlin, Germany, 2000.视图:谷歌学术搜索
28. 小时。Hanisch”,位置/变迁网分析timed-arcs批量过程控制及其应用,”佩特里网应用和理论,信号艾德,m . Ajmone Marsan, 691卷,第299 - 282页,施普林格,柏林,德国,1993年。视图:谷歌学术搜索
29. 诉瓦莱罗能源,d . de-Frutos和f . Cuartero”non-decidability timed-arc Petri网的可达性。佩特里网和性能模型,”诉讼第八届国际研讨会上佩特里网和性能模型,页188 - 197,IEEE计算机协会出版社,1999年9月,西班牙萨拉戈萨。视图:谷歌学术搜索
30. a . Metzger c Reinartz和k·波尔,“增量验证复杂事件处理应用系统的监控,”学报2018年第44任Euromicro会议软件工程和先进的应用程序(SEAA),页293 - 297,布拉格,捷克共和国,2018年8月。视图:谷歌学术搜索
31. g . Cugola和a . Margara”特斯拉:一个正式定义事件规范语言,”学报》第四届ACM国际会议分布式基于事件的系统,德布斯的10ACM,页50 - 61年,剑桥,英国,2010年7月。视图:谷歌学术搜索
32. a . m .爱立信·佩特森m . Berndtsson和m . Seirio“无缝复杂事件处理应用程序的形式验证,”学报2007年首届国际会议分布式基于事件的系统,德布斯,页50 - 61年,多伦多,加拿大,2007年6月。视图:谷歌学术搜索
33. k·g·拉森,p·佩特森和y . Wang UPPAAL简而言之,“国际期刊《技术转让的软件工具,1卷,不。1 - 2、134 - 152年,1997页。视图:出版商的网站|谷歌学术搜索
34. j . Agrawal y刁、d . Gyllstrom和n . Immerman“高效的模式匹配在事件流,”学报2008年ACM SIGMOD国际会议管理的数据ACM,页147 - 160年,温哥华,加拿大,2008年6月。视图:谷歌学术搜索
35. d . Gyllstrom j . Agrawal y刁,n . Immerman“支持克林闭包在事件流,”《24日数据工程国际会议(ICDE)坎昆,页1391 - 1393年,MX,美国,2008年4月。视图:谷歌学术搜索
36. g . Cugola a . Margara m . Pezze和m . Pradella“事件处理应用程序的有效分析,”学报》第九届ACM国际会议分布式基于事件的系统,德布斯”156 - 7页10-21奥斯陆,挪威,2015。视图:谷歌学术搜索
37. g . Cugola和a . Margara”处理流的信息:从数据流到复杂事件处理,”ACM计算调查,44卷,不。3、1 - 62、2012页。视图:出版商的网站|谷歌学术搜索
38. m . Clavel f·杜兰,美国艾克et al .,“关于Maude-a高性能的逻辑框架,如何指定,程序重写逻辑,并验证系统”在计算机科学的课堂讲稿施普林格,卷。4350年,柏林,德国,2007年。视图:谷歌学术搜索
39. l . Burgueno j . Boubeta-Puig, a . Vallecillo“形式化莫德,复杂事件处理系统”IEEE访问》第六卷,第23241 - 23222页,2018年。视图:出版商的网站|谷歌学术搜索
40. a·加西亚洛佩兹、l . Burgueno和a . Vallecillo“复杂事件处理程序的静态分析,”程序的模型2018车间,14卷,页498 - 502,哥本哈根,丹麦,2018年10月。视图:谷歌学术搜索
41. Denby l . p . h . Tendick W.-H。居”,统计方法对复杂事件处理和实时决策,”威利跨学科评论:计算统计,8卷,不。1,5-26,2016页。视图:出版商的网站|谷歌学术搜索
42. 诉Rajsiri:百合花纹的,c·格雷厄姆和j。Lorre”,基于事件的业务流程编辑器和仿真器业务流程管理Workshops-BPM 2010国际研讨会和教育轨道、m苏珥Muehlen和j·苏Eds。,Springer, Berlin, Germany, 2011.视图:谷歌学术搜索
43. w·a·Higashino m·a . m . Capretz和l . f . Bittencourt”CEPSim:复杂事件处理系统的建模与仿真在云环境中,“未来一代计算机系统卷,65年,第139 - 122页,2016年。视图:出版商的网站|谷歌学术搜索
44. m·r·n·门德斯b佩德罗,p .品牌“FINCoS:基准工具对事件处理系统”诉讼的ACM /规范在国际会议上性能Engineering-ICPE 13,页431 - 432,布拉格,捷克共和国,2013年8月。视图:谷歌学术搜索
45. c·李和r·贝瑞,“CEPBen:基准复杂事件处理系统”性能表征和基准测试、r . Nambiar和m . Poess Eds。,pp. 125–142, Springer International Publishing, Cham, Switzerland, 2014.视图:谷歌学术搜索
46. g . Cugola和a . Margara”与霸王龙复杂事件处理”,系统和软件杂志》上,卷85,不。8,1709 - 1728年,2012页。视图:出版商的网站|谷歌学术搜索
47. 答:戈麦斯,a . Boronat j . a . Carsi拉莫斯,c . Taubner和s . Eckstein“生物数据处理使用模型驱动工程”IEEE拉丁美洲事务》第六卷,没有。4、324 - 331年,2008页。视图:出版商的网站|谷歌学术搜索
48. m . Westergaard和l . Michael Kristensen”访问/尼共框架:与尼共工具模拟器,交互的工具”佩特里网的应用和理论,Eds franceschini和k .狼。,pp. 313–322, Springer, Berlin, Germany, 2009.视图:谷歌学术搜索
49. a·卡马乔m . g . Merayo和m . Nunez“电子健康的集体智慧和数据库:一项调查,“《智能与模糊系统,32卷,不。2、1485 - 1496年,2017页。视图:出版商的网站|谷歌学术搜索
50. a . Rutle j .支持者、k . Foldøy和r . t .再见,“Commonlang: DSL定义机器人的任务,”程序的模型2018车间:ModComp,捷运,OCL, FlexMDE, EXE, COMMitMDE, MDETools, GEMOC,莫尔斯MDE4IoT, MDEbug, MoDeVVa,我,多,HuFaMo AMMoRe,痛苦共存,ACM和IEEE 21国际会议模型驱动工程语言和系统模型(2018)丹麦哥本哈根,页433 - 442,,2018年10月。视图:谷歌学术搜索
51. g .奥尔西尼d吩咐,w . Lamersdorf”CloudAware:移动应用程序,赋予环境敏感自适应”交易新兴电信技术卷,29号4,e3210, 2018页。视图:出版商的网站|谷歌学术搜索

版权

版权©2019格雷戈里奥·迪亚兹et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。