CN111984861B - 一种时序数据的复杂事件处理方法及系统 - Google Patents

一种时序数据的复杂事件处理方法及系统 Download PDF

Info

Publication number
CN111984861B
CN111984861B CN202010754365.9A CN202010754365A CN111984861B CN 111984861 B CN111984861 B CN 111984861B CN 202010754365 A CN202010754365 A CN 202010754365A CN 111984861 B CN111984861 B CN 111984861B
Authority
CN
China
Prior art keywords
event
complex event
time
complex
merging
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010754365.9A
Other languages
English (en)
Other versions
CN111984861A (zh
Inventor
王新根
王刚
王新宇
胡一夫
鲁萍
黄滔
李白
陈伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Bangsheng Technology Co ltd
Original Assignee
Zhejiang Bangsheng Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Bangsheng Technology Co ltd filed Critical Zhejiang Bangsheng Technology Co ltd
Priority to CN202010754365.9A priority Critical patent/CN111984861B/zh
Publication of CN111984861A publication Critical patent/CN111984861A/zh
Application granted granted Critical
Publication of CN111984861B publication Critical patent/CN111984861B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24575—Query processing with adaptation to user needs using context
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种时序数据的复杂事件处理方法及系统，首先定义复杂事件模式，包括复杂事件标签序列和相邻标签间的时间距离限定，获取到事件的标签和时间戳后，读取计算机存储器中的中间结果并进行归并处理，最后进行复杂事件判定，查询的判定结果不仅包括复杂事件是否触发，还包括触发次数。本发明克服了现有技术方案中耗时长、效率低的缺陷，能快速地进行海量时序数据的复杂事件处理，另外，本发明提前计算好了中间结果，所以在查询时避免了大量无用的计算机重复运算，响应速度极快；此外，中间结果是跟着系统时间移动而不断变化的，能够达到时间窗口平滑移动的目的。本发明能够显著提升时序数据的复杂事件处理的效率。

Description

一种时序数据的复杂事件处理方法及系统
技术领域
本发明涉及数据处理系统或方法技术领域，具体涉及一种时序数据的复杂事件处理方法与系统。
背景技术
如今，互联网技术迅速发展，海量用户在互联网上进行页面浏览、资源下载、信息搜索等操作。这些人类操作包含着许多具体的复杂事件，比如在页面停留30秒、连续点击某个链接5次、搜索了关键词“奶粉”后在一天内又搜索了“啤酒”等。这些复杂事件具有很高的应用价值，在自动化推荐、数据挖掘、网络安全、风险监控等领域，均需要进行复杂事件处理。
然而，目前的复杂事件来源广、数量多、跨越时间长，而复杂事件处理需要分析的数据维度高、耗费资源多。在这样的场景中，现有的针对时序数据的复杂事件处理方法及系统，具有耗时长、效率低的缺陷。这是因为现有方法及系统的处理过程与查询分析逻辑复杂且效率低下，包含大量不必要的重复的计算机操作。
以图2所示场景为例，现有技术将执行以下步骤来进行复杂事件处理：若需进行16:00-18:00的复杂事件处理，则需要从远到近遍历该时间段内的全部4个事件，并逐个判定事件序列是否符合预定义的复杂事件模式；此后如果需要进行15:00-18:00的复杂事件处理，则需要遍历全部9个事件。然而这当中明显有在前一次处理中已经执行过的重复逻辑，可现有技术仍然执行它们，导致不必要的计算机资源浪费，处理效率低下。
当前亟需一种时序数据的复杂事件处理方法和系统，能够克服现有技术方案中耗时长、效率低的缺陷，快速地进行海量时序数据的复杂事件处理，而且能支持指定时间窗口的查询。
发明内容
本发明的目的在于针对现有技术的不足，提供一种时序数据复杂事件处理方法及系统。
本发明的目的是通过以下技术方案来实现的：一种时序数据的复杂事件处理方法，该方法利用计算机存储器实现，具体包括以下步骤：
步骤1，针对用户操作引发的事件，定义复杂事件模式；所述复杂事件模式包括复杂事件标签序列和相邻标签间的时间距离限定，该时间距离根据用户需求指定上界和下界；
步骤2，每当用户操作引发事件时，对该事件的标签和时间戳执行获取行为；将该事件称作“本次事件”；将发生在“本次事件”之前的事件中时间戳最大的一次事件称作“上次事件”。所述获取行为通过提供程序接口实现实时的流式获取；
步骤3，根据本次事件的时间戳，读取计算机存储器中的中间结果R1，若本次事件为首次事件，则R1的值为空；否则，R1的值为上次事件进行步骤3时写入计算机存储器的R3；使用本次事件的标签和时间戳，进行中间结果构造，得到R2；将R1与R2进行中间结果归并处理得到R3，将R3写入计算机存储器；
步骤4，根据查询时间段，读取该时间段内计算机存储器中的中间结果R3，进行复杂事件判定；当查询时间段跨越多个中间结果R3时，将所有中间结果R3按时间从远到近逐个进行中间结果归并处理；可查询的判定结果不仅包括复杂事件是否触发，还包括触发次数，即根据中间结果归并处理后的唯一中间结果的计数器值，若等于0，则未触发；若大于0则触发，且该值即为触发次数。
进一步地，步骤3中使用本次事件的标签和时间戳，进行中间结果构造的方法为：
对于本次事件E，具有标签g和时间戳t；在复杂事件模式定义的复杂事件标签序列中，找到所有标签为g的路径，并将其起止时间均置为t。
进一步地，步骤3中的中间结果归并处理的方法为：
对于两个中间结果R1和R2，遍历并移除R1中的所有路径，找到R2中所有在中间结果 R1后邻接的路径，将找到的路径移除出R2，将R1中的移除的路径与R2中移除的路径拼接出新的路径，拼接时，前后路径的复杂事件标签及时间距离均符合复杂事件模式定义的约束，如果拼接出的路径与已定义复杂事件模式完全一致，则对R1的计数器进行自增，否则将拼接出的路径放回于R1中；此后，将R1的计数器增加R2的计数器结果，并将R2中剩余路径放回于R1中。此时R1即为归并结果R3。
进一步地，步骤4中的中间结果归并处理时，将时间最远的中间结果R3赋值给R1，将时间第二远的中间结果R3赋值给R2，并将时间最远的中间结果R3与时间第二远的中间结果R3删除，之后依据步骤3中的中间结果归并处理的方法对R1和R2进行归并处理；依此方式继续进行步骤4中的中间结果归并处理，直到得到唯一的中间结果R3时，根据唯一的中间结果R3判定复杂事件是否触发以及触发次数。
进一步地，步骤4中的查询操作和步骤2中标签和时间戳的获取行为能够同时进行。
一种对时序数据的复杂事件处理系统，该系统利用计算机存储器实现，包括复杂事件定义模块、复杂事件信息获取模块、复杂事件归并模块和复杂事件查询模块：
所述复杂事件定义模块，用于针对用户操作引发的事件，定义复杂事件模式；所述复杂事件模式包括复杂事件标签序列和相邻标签间的时间距离限定，该时间距离根据用户需求指定上界和下界；
所述复杂事件信息获取模块，用于在每当用户操作引发事件时，对该事件的标签和时间戳执行获取行为；将该事件称作“本次事件”；将发生在“本次事件”之前的事件中时间戳最大的一次事件称作“上次事件”。所述获取行为通过提供程序接口实现实时的流式获取；
所述复杂事件归并模块，用于根据本次事件的时间戳，读取计算机存储器中的中间结果 R1，若本次事件为首次事件，则R1的值为空；否则，R1的值为上次事件运行复杂事件归并模块时写入计算机存储器的R3；使用本次事件的标签和时间戳，进行中间结果构造，得到 R2；将R1与R2进行中间结果归并处理得到R3，将R3写入计算机存储器；
所述复杂事件查询模块，用于根据查询时间段，读取该时间段内计算机存储器中的中间结果R3，进行复杂事件判定；当查询时间段跨越多个中间结果R3时，将所有中间结果R3 按时间从远到近逐个进行中间结果归并处理；可查询的判定结果不仅包括该复杂事件是否触发，还包括触发次数，即根据中间结果归并处理后的唯一中间结果的计数器值，若等于0，则未触发；若大于0则触发，且该值即为触发次数。
进一步地，复杂事件归并模块中使用本次事件的标签和时间戳，进行中间结果构造的方法为：
对于本次事件E，具有标签g和时间戳t。在复杂事件模式定义的复杂事件标签序列中，找到所有标签为g的路径，并将其起止时间均置为t。
进一步地，复杂事件归并模块中的中间结果归并处理的方法为：
对于两个中间结果R1和R2，遍历并移除R1中的所有路径，找到R2中所有在中间结果 R1后邻接的路径，将该路径移除出R2，将R1中的移除的路径与R2中移除的路径拼接出新的路径，拼接时，前后路径的复杂事件标签及时间距离均符合复杂事件模式定义的约束，如果拼接出的路径与已定义复杂事件模式完全一致，则对R1的计数器进行自增，否则将拼接出的路径放回于R1中；此后，将R1的计数器增加R2的计数器结果，并将R2中剩余路径放回于R1中。此时R1即为归并结果R3。
进一步地，复杂事件查询模块中的中间结果归并处理时，将时间最远的中间结果R3赋值给R1，将时间第二远的中间结果R3赋值给R2，并将时间最远的中间结果R3与时间第二远的中间结果R3删除，之后依据复杂事件归并模块中的中间结果归并处理的方法对R1和R2进行归并处理；依此方式继续进行复杂事件查询模块中的中间结果归并处理，直到得到唯一的中间结果R3时，根据唯一的中间结果R3判定复杂事件是否触发以及触发次数。
进一步地，查询模块能够与复杂事件信息获取模块同时运行。
本发明的有益技术效果是：首先，本发明克服了现有技术方案中耗时长、效率低的缺陷，能快速地进行海量时序数据的复杂事件处理；另外，本发明提前计算好了中间结果，所以在查询时避免了大量无用的计算机重复运算，响应速度极快；此外，中间结果是跟着系统时间移动而不断变化的，能够达到时间窗口平滑移动的目的。
附图说明
图1为本发明方法的流程图；
图2为一个实施例的页面浏览事件示意图；
图3为本发明方法与传统方法的实施效果对比图。
具体实施方式
为使本发明的上述目的、特征、优点更为明显易懂，下面结合附图和具体实施例对本发明的具体实施方式作进一步详细说明。
实施例1
假设某网站需要对用户行为进行复杂事件处理，从而区分出正常人类用户引发的流量以及异常的机器爬虫引发的流量。同时，该网站需要检测指定时间段内爬虫的爬取次数，以对爬虫攻击者的活动规律进行分析。该网站包含多个页面，其中，页面a当中包含两个超链接，分别指向页面b和页面c。在使用浏览器进行浏览的过程中，页面b的超链接会显示在页面c 的超链接上方，因此正常人类的浏览记录应与自然的阅读顺序符合，即先点击b后点击c。但是该页面的源代码经过设计，使得机器爬虫通过信息技术手段获取页面a的源代码时，若按照源代码文本顺序进行页面抓取，则会先进入页面c，后进入页面b。现有来自同一操作源的页面浏览记录如图2所示。为了表述简便，用字母a、b、c分别代表事件浏览页面a、浏览页面b、浏览页面c。
现使用本发明的时序数据复杂事件处理方法及系统，进行爬虫判定以及各时段内爬取次数查询，具体处理步骤为：
(1)在复杂事件定义模块中进行复杂事件模式的定义。定义结果为“a>[,1h]>c>[,1h]>b”。该模式的含义是，浏览页面a后一小时内浏览页面b，且在浏览页面b后一小时内浏览页面c。
(2)在复杂事件信息获取模块中，通过提供程序接口实现实时的流式获取事件的标签和时间戳，本实例中采用编写POST方法，由页面js脚本进行POST报送。在本实施例中，共进行了十次信息获取。
(3)在复杂事件归并模块中，根据本次事件的时间戳，读取计算机存储器中的中间结果 R1；使用本次事件的标签和时间戳，进行中间结果构造，得到R2；将R1与R2进行中间结果归并处理得到R3，将R3写入计算机存储器。
在本实施例中，共有十次事件，每次根据事件时间戳读取计算机存储器的中间结果R1、中间结果构造得到的R2、中间结果归并处理得到的R3如下表所示：
Figure BDA0002610422490000051
(4)在复杂事件查询模块中，根据查询时间段，读取计算机存储器中的中间结果，进行复杂事件判定；当查询时间段跨越多个中间结果时，将所有中间结果按时间从远到近逐个进行中间结果归并处理；可查询的判定结果不仅包括该复杂事件是否触发，还包括触发次数；所述查询模块可与前述复杂事件信息获取模块同时运行。
在本实施例中，查询15:00到18:00的爬虫爬取行为，首先读取各个时间戳上的中间结果，然后从远到近逐个归并，即读取15:00-16:00和16:00-17:00的中间结果，然后归并，然后再和17:00-18:00的中间结果归并，即可得到复杂事件处理结果。具体过程如下表所示：
Figure BDA0002610422490000052
根据结果可以看出，本发明进行复杂事件处理，得到了计数器结果值为3，从而成功检测出了爬虫爬取行为，且可查询出在指定的查询时间段15:00-18:00内，该爬虫触发了3次定义的复杂事件模式。
实施例2
为了展示本发明方法的实际有益效果，我们做了一组实验。通过对比本发明方法和传统方法在处理同样的数据量时，本发明方法比传统方法使用更少的时间来展示本发明方法的效果。
实验场景为：生成随机的5万组测试数据，每组测试数据中包括一个时间戳和一个复杂事件标记。时间戳代表数据的时序，复杂事件标记代表已定义的复杂事件模式中的一个事件。测试数据分布在连续的50个小时中，每个小时有1000组。每组数据的时间戳在该小时内均匀分布，复杂事件标记随机生成。
测试方法为：分别使用本发明方法和传统方法处理并查询每1个、2个...50个小时的复杂事件模式触发匹配的次数，然后记录下每次测试的时间，最终绘制图表。
测试结果如图3所示。通过结果可以看出：
(1)传统方法的处理耗时远远大于本发明方法。
(2)随着数据量的增长，传统方法的处理耗时线性增长，而本发明方法基本保持不变。
上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (4)

1.一种时序数据的复杂事件处理方法，其特征在于，该方法利用计算机存储器实现，具体包括以下步骤：
步骤1，针对用户操作引发的事件，定义复杂事件模式；所述复杂事件模式包括复杂事件标签序列和相邻标签间的时间距离限定，该时间距离根据用户需求指定上界和下界；
步骤2，每当用户操作引发事件时，对该事件的标签和时间戳执行获取行为；将该事件称作“本次事件”；将发生在“本次事件”之前的事件中时间戳最大的一次事件称作“上次事件”；所述获取行为通过提供程序接口实现实时的流式获取；
步骤3，根据本次事件的时间戳，读取计算机存储器中的中间结果R1，若本次事件为首次事件，则R1的值为空；否则，R1的值为上次事件进行步骤3时写入计算机存储器的R3；使用本次事件的标签和时间戳，结合复杂事件标签序列，进行中间结果构造，对于本次事件E，具有标签g和时间戳t；在复杂事件模式定义的复杂事件标签序列中，找到所有标签为g的路径，并将其起止时间均置为t；中间结果构造得到R2；通过R1与R2的路径拼接，若满足定义的复杂事件模式，则R1计数器自增，然后将R1与R2进行中间结果归并处理得到R3，将R3写入计算机存储器；中间结果归并处理的方法为：对于两个中间结果R1和R2，遍历并移除R1中的所有路径，找到R2中所有在中间结果R1后邻接的路径，将找到的路径移除出R2，将R1中的移除的路径与R2中移除的路径拼接出新的路径，拼接时，前后路径的复杂事件标签及时间距离均符合复杂事件模式定义的约束，如果拼接出的路径与已定义复杂事件模式完全一致，则对R1的计数器进行自增，否则将拼接出的路径放回于R1中；此后，将R1的计数器增加R2的计数器结果，并将R2中剩余路径放回于R1中；此时R1即为归并结果R3；步骤4，根据查询时间段，读取该时间段内计算机存储器中的中间结果R3，进行复杂事件判定；当查询时间段跨越多个中间结果R3时，将所有中间结果R3按时间从远到近逐个进行中间结果归并处理；中间结果归并处理时，将时间最远的中间结果R3赋值给R1，将时间第二远的中间结果R3赋值给R2，并将时间最远的中间结果R3与时间第二远的中间结果R3删除，之后依据步骤3中的中间结果归并处理的方法对R1和R2进行归并处理；依此方式继续进行步骤4中的中间结果归并处理，直到得到唯一的中间结果R3时，根据唯一的中间结果R3判定复杂事件是否触发以及触发次数；可查询的判定结果不仅包括复杂事件是否触发，还包括触发次数，即根据中间结果归并处理后的唯一中间结果的计数器值，若等于0，则未触发；若大于0则触发，且该计数器值即为触发次数。
2.根据权利要求1所述的时序数据的复杂事件处理方法，其特征在于，步骤4中的查询操作和步骤2中标签和时间戳的获取行为能够同时进行。
3.一种时序数据的复杂事件处理系统，其特征在于，该系统利用计算机存储器实现，包括复杂事件定义模块、复杂事件信息获取模块、复杂事件归并模块和复杂事件查询模块：
所述复杂事件定义模块，用于针对用户操作引发的事件，定义复杂事件模式；所述复杂事件模式包括复杂事件标签序列和相邻标签间的时间距离限定，该时间距离根据用户需求指定上界和下界；
所述复杂事件信息获取模块，用于在每当用户操作引发事件时，对该事件的标签和时间戳执行获取行为；将该事件称作“本次事件”；将发生在“本次事件”之前的事件中时间戳最大的一次事件称作“上次事件”；所述获取行为通过提供程序接口实现实时的流式获取；
所述复杂事件归并模块，用于根据本次事件的时间戳，读取计算机存储器中的中间结果R1，若本次事件为首次事件，则R1的值为空；否则，R1的值为上次事件运行复杂事件归并模块时写入计算机存储器的R3；使用本次事件的标签和时间戳，结合复杂事件标签序列，进行中间结果构造，对于本次事件E，具有标签g和时间戳t；在复杂事件模式定义的复杂事件标签序列中，找到所有标签为g的路径，并将其起止时间均置为t；中间结果构造得到R2；通过R1与R2的路径拼接，若满足定义的复杂事件模式，则R1计数器自增，然后将R1与R2进行中间结果归并处理得到R3，将R3写入计算机存储器；中间结果归并处理的方法为：对于两个中间结果R1和R2，遍历并移除R1中的所有路径，找到R2中所有在中间结果R1后邻接的路径，将该路径移除出R2，将R1中的移除的路径与R2中移除的路径拼接出新的路径，拼接时，前后路径的复杂事件标签及时间距离均符合复杂事件模式定义的约束，如果拼接出的路径与已定义复杂事件模式完全一致，则对R1的计数器进行自增，否则将拼接出的路径放回于R1中；此后，将R1的计数器增加R2的计数器结果，并将R2中剩余路径放回于R1中；此时R1即为归并结果R3；
所述复杂事件查询模块，用于根据查询时间段，读取该时间段内计算机存储器中的中间结果R3，进行复杂事件判定；当查询时间段跨越多个中间结果R3时，将所有中间结果R3按时间从远到近逐个进行中间结果归并处理；中间结果归并处理时，将时间最远的中间结果R3赋值给R1，将时间第二远的中间结果R3赋值给R2，并将时间最远的中间结果R3与时间第二远的中间结果R3删除，之后依据复杂事件归并模块中的中间结果归并处理的方法对R1和R2进行归并处理；依此方式继续进行复杂事件查询模块中的中间结果归并处理，直到得到唯一的中间结果R3时，根据唯一的中间结果R3判定复杂事件是否触发以及触发次数；可查询的判定结果不仅包括该复杂事件是否触发，还包括触发次数，即根据中间结果归并处理后的唯一中间结果的计数器值，若等于0，则未触发；若大于0则触发，且该计数器值即为触发次数。
4.根据权利要求3所述的时序数据的复杂事件处理系统，其特征在于，查询模块能够与复杂事件信息获取模块同时运行。
CN202010754365.9A 2020-07-30 2020-07-30 一种时序数据的复杂事件处理方法及系统 Active CN111984861B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010754365.9A CN111984861B (zh) 2020-07-30 2020-07-30 一种时序数据的复杂事件处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010754365.9A CN111984861B (zh) 2020-07-30 2020-07-30 一种时序数据的复杂事件处理方法及系统

Publications (2)

Publication Number Publication Date
CN111984861A CN111984861A (zh) 2020-11-24
CN111984861B true CN111984861B (zh) 2022-10-11

Family

ID=73444782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010754365.9A Active CN111984861B (zh) 2020-07-30 2020-07-30 一种时序数据的复杂事件处理方法及系统

Country Status (1)

Country Link
CN (1) CN111984861B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364264B (zh) * 2020-11-27 2023-10-27 支付宝(杭州)信息技术有限公司 一种风险防控方法、装置及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521347A (zh) * 2011-12-11 2012-06-27 西北工业大学 基于优先级的模式匹配中间结果管理方法
CN104700055A (zh) * 2014-11-28 2015-06-10 广东工业大学 一种多概率rfid事件流上复杂事件检测方法
CN108304517A (zh) * 2018-01-23 2018-07-20 西南大学 基于复杂事件处理系统的高效嵌套查询方法
CN109885588A (zh) * 2019-01-23 2019-06-14 齐鲁工业大学 一种复杂事件检测方法及系统
CN109948007A (zh) * 2019-03-21 2019-06-28 浙江邦盛科技有限公司 一种对时序数据统计最大连续递增次数与递增次数的处理方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8949210B2 (en) * 2010-05-13 2015-02-03 Microsoft Corporation Analysis stack for complex event flows
US9298773B2 (en) * 2011-09-12 2016-03-29 Hewlett Packard Enterprise Development Lp Nested complex sequence pattern queries over event streams

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521347A (zh) * 2011-12-11 2012-06-27 西北工业大学 基于优先级的模式匹配中间结果管理方法
CN104700055A (zh) * 2014-11-28 2015-06-10 广东工业大学 一种多概率rfid事件流上复杂事件检测方法
CN108304517A (zh) * 2018-01-23 2018-07-20 西南大学 基于复杂事件处理系统的高效嵌套查询方法
CN109885588A (zh) * 2019-01-23 2019-06-14 齐鲁工业大学 一种复杂事件检测方法及系统
CN109948007A (zh) * 2019-03-21 2019-06-28 浙江邦盛科技有限公司 一种对时序数据统计最大连续递增次数与递增次数的处理方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
RFID数据流上多目标复杂事件检测;彭商濂等;《计算机研究与发展》;20120915(第09期);第92-107页 *
基于ENFA的乱序RFID复杂事件检测算法;刘海龙等;《华中科技大学学报(自然科学版)》;20100115(第01期);第30-35页 *
面向物联网的分布式上下文敏感复杂事件处理方法;曹科宁等;《计算机研究与发展》;20130615(第06期);第41-54页 *

Also Published As

Publication number Publication date
CN111984861A (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
CN102158355B (zh) 一种可并发和断续分析的日志事件关联分析方法和装置
CN102054028B (zh) 一种网络爬虫系统实现页面渲染功能的方法
CN105404699A (zh) 一种搜索财经文章的方法、装置及服务器
CN101443751A (zh) 用于应用爬取器的方法和装置
CN102436564A (zh) 一种识别被篡改网页的方法及装置
US11816172B2 (en) Data processing method, server, and computer storage medium
CN111563041B (zh) 一种测试用例按需精准执行方法
US20150341771A1 (en) Hotspot aggregation method and device
CN114417197A (zh) 一种访问记录处理方法、装置及存储介质
CN101350049A (zh) 鉴定病毒文件的方法、装置及网络设备
CN105373541A (zh) 数据库的数据操作请求的处理方法和系统
CN103984757A (zh) 在搜索结果页上插入新闻信息条目的方法和系统
CN109508346B (zh) 一种ddl操作的级联同步控制方法及系统
CN104391978A (zh) 用于浏览器的网页收藏处理方法及装置
CN104182482A (zh) 一种新闻列表页判断方法及筛选新闻列表页的方法
CN111984861B (zh) 一种时序数据的复杂事件处理方法及系统
CN110599229A (zh) 亿级流量广告实时处理方法、存储介质、电子设备和系统
CN103177022A (zh) 一种恶意文件搜索方法及装置
CN105447168A (zh) Mp4格式的碎片文件恢复与重组的方法
CN112818200A (zh) 基于静态网站的数据爬取及事件分析方法及系统
CN111291249A (zh) 信息处理的方法及装置
CN106547803A (zh) 爬取网站增量资源的方法和装置
CN114490554A (zh) 数据同步方法及其装置、电子设备及存储介质
CN100562872C (zh) 针对结构化网页的自动模板信息定位方法
CN103530369A (zh) 一种去重方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room ABCD, 17th floor, building D, Paradise Software Park, No.3 xidoumen Road, Xihu District, Hangzhou City, Zhejiang Province, 310012

Applicant after: Zhejiang Bangsheng Technology Co.,Ltd.

Address before: Room ABCD, 17th floor, building D, Paradise Software Park, No.3 xidoumen Road, Xihu District, Hangzhou City, Zhejiang Province, 310012

Applicant before: ZHEJIANG BANGSUN TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant