用于在复杂事件处理环境中预测事件流的未来行为的方法和/或装置的制作方法

专利名称：用于在复杂事件处理环境中预测事件流的未来行为的方法和/或装置的制作方法
技术领域：
在此描述的特定的示例实施方式涉及在复杂事件处理(CEP)环境中预测事件流的未来行为。在特定的示例实施方式中，当有事件流进入，新的预测可能关于连续地或间断地移动的时间窗口被自动计算。在特定的示例实施方式中，然后所述预测可能基于所述可移动的窗口估计它们将发生的所述未来值和时间，并且所述预测的框架可能被灵活地定义并参数化以允许定制的适合。
背景技术：
增加数量的应用持续产生大量的数据。这些数据可以被看作数据流。复杂事件处理(CEP)系统已经被设计为分析那些事件流并从其它事情中以实时的或实质上实时的方式导出有意义的、相关的模式，不论为了技术目的还是业务相关的目的。CEP系统典型地影响过滤、集合、关联和/或模式匹配功能以连续地分析被消耗到给定的点(point)的事件。为了允许主动反应，本申请的发明人已经实现典型的技术可通过预测所述事件流的未来行为被扩展。这样的预测可能基于比如，在变化的时间期限已经消耗的事件。此外，在CEP系统内，比如，这样的预测功能可能在所述系统侧和在所述用户侧上被影响。比如，用户可以为一个输入流指定一个预测。该预测功能可以无缝地整合入所述CEP系统下的所述事件查询语言。通过设置一个对应的预测查询，比如，用户可以估计命令的数量直到这一天结束，10分钟后一支股票的价格，在下两个小时内网络断电的数量，交通事故或其它技术的或物理的事件等的数量。CEP系统典型地必须处理具有易变特性的多个高容量流。这样，可适于提供非常稳健的CEP系统。预测那些流的未来行为可能较优地提供所述系统可能性的主动管理。例如，如果期望较低的系统负载，所述系统可能触发内部的、计算花费大的优化以帮助优化或改进所述事件流和吞吐量。相反，如果期望较高的系统负载，所述系统可以为所述受影响的输入流的对应的处理线程分配一个更高的优先级。CEP系统典型地连续接收并从而可能以实时的方式分析大量的事件。这就出现多种挑战。第一个事项是用户可能想预测用于可能使用于形成主动反应(reactions)的所述事件流的未来行为。为了那个目的，所述相应的事件查询语言可能被扩展以便用户可以以直观的方式指定所述预测。第二个事项是怎样制作CEP系统，其典型地必须是高度适应的、使用预测功能估计未来流行为并且它的系统管理决定以该预测为基础。第三个事项是将较优地以在线的方式形成预测。比如，这包括完整的下面多个事件的在线预测，例如，它们具有那些值、它们什么时候发生和它们携带了哪些暂态信息。第四个问题是这样的在线预测功能可能必须被适当地集合入CEP系统并且也可能必须被灵活地设计为允许不同的事件表征、时间帧和/或预测策略。本申请的发明人注意到在复杂事件处理/事件流处理/数据流处理/流挖掘的情况下，在事件流中预测的所述事项和它对CEP环境的应用可能包括，比如趋向的/预测的/预见的分析。有多种方法处理这样的数据。比如，注意到所述数据库方法使用一种数据库系统以持久的方式存储数据。比如，SQL查询可用于获得用于数据库中的数据的特定的，最简单的预测功能。然而，遗憾的是，所述SQL标准没有为预测功能建模而保留的明确的子句。更复杂的预测策略典型地在数据库系统上计算。此外，所述传统的数据库方法单独不适于高容量事件流处理。数据库系统不被设计为连续处理传入的事件。因此，它们也不被设计为递增地以实时方式更新预测。数据库系统可能为系统管理决策使用预测功能，但这可能将必须在定期的基础上而不是连续的基础上被执行。所述连续的方法本身获得所述流特性的最近的发展，而所述定期的方法冒着对过时的流特性做决策的风险。特定的技术包括在所有的事件查询语言中计算加权平均数并应用平 滑功能。然而，遗憾的是，那些功能不估计下一时间段的事件。比如，在Spotfire操作分析(市场上可从TIBCO购买)中，可认为提供了不能指出对未来一个时间段的事件的预测的公开信息。

发明内容
这样，本领域技术人员将理解到在本领域中需要访问更多的以上描述的和/或其它事项中的一项的技术，和/或在CEP环境中提供改进的预测事件流的未来行为的技术。本发明的特定的示例实施方式的一方面涉及“在线”预测事件流的技术。当有事件流进入，新的预测可能关于连续地或间断地移动的时间窗口被自动计算。然后所述预测可能在所述可移动的窗口的基础上估计它们将发生的所述未来值和时间(例如，在下一小时的事件)。在特定的示例实施方式中，所述预测的框架可能被灵活地定义并参数化以允许定制的适合。本发明的特定的示例实施方式涉及在CEP系统中的预测功能的应用，显示功能怎样被合并入所述事件查询语言，并且合并入所述系统管理组件。本发明的特定的示例实施方式的另一方面涉及预测在所述CEP上下文中配备有时间信息的事件。在特定的示例实施方式中，一个未来值被估计，如在预先定义的时间期限内期望的未来事件一样，包含所述事件的所述时间信息。根据特定的示例实施方式，一个预测算法可能被用于估计事件的值，以及它们的时间发生和时间信息。这样，在本发明的特定的示例实施方式中，可能提供以上线的方式预测事件流并且处理不同的事件流表征、参考和预测窗口、窗口模型，和/或预测策略的灵活的框架。本发明的特定的示例实施方式的另一方面涉及以结合与综合的方式访问以上描述的一些或所有和/或事项。例如，关于第三和第四的事项，可能提供一个预测运算符。所述预测运算符可能遵循在运算附中封装分析功能的设计原理。运算符分析直接传入的事件的流并且产生连续的查询输出流。这样，特定的示例实施方式的所述运算符可能支持事件流的在线处理并直接提供新的预测。由于所述运算符设计，所述预测功能可能被应用于传入的流，和由其它运算符计算的中间流。为了允许增强的灵活性，特定的示例实施方式的所述运算符可能提供预测框架。所述框架可能被适用于不同的事件流表征、不同的参考和预测窗口、不同的窗口模型和/或不同的预测策略。例如，所述运算符框架可能被设计为计算未来时间窗口的未来事件并且，因此可能也估计什么时候所述事件将发生和它们携带哪些时间信息，并且不仅仅是它们的值将是什么。上文描述的所述第二个事项可能连同所述运算符方法的实现被处理。例如，所述预测运算符可能被插入所述输入流。用那个示例的方法，所述系统可能视需要并以灵活的方式监控它的输入流。因为连续提供最近的预测，所述系统可能非常灵活地对改变流特性做出反应。所述相应的预测可能被用在特定的例子中以确定未来的负载配置文件，转而，可能提供用于系统管理的决策支持。为了那个目的，在系统管理中的不同的示例应用在此被列出。所述第一事项可能通过使用可用于所述事件查询语言的预测运算符功能被处理。用户可能直接在连续的查询中指定预测功能并为参考和未来窗口设定相应的大小。在不同的实现中可能支持不同的窗口模型。由于所述处理范例，该查询可能被连续估计，并且当新事件流进入时，用户可能连续地呈现所述最近的预测。
这样，特定的示例实施方式可能合并一些或所有的以下和/或其它的特征 基于连续移动的时间的窗口连续产生预测的在线预测运算符； 用于预测的运算符，允许不同的事件流表征、窗口模型、和/或预测策略的灵活的框架； 用于基于时间间隔表征的事件的预测运算符的说明； 未来时间窗口的未来事件的时间发生的预测； 支持不同窗口模型的所述事件查询语言中的预测功能的集成；和/或 为系统管理任务，所述预测运算符的使用。发明人未意识到合并用于不同的参考和预测窗口、窗口模型、和更新策略的所述事件查询语言中的预测功能的当前的技术。这包括允许插入多个预测策略的所述灵活的框架设计。当前的解决方案也被认为缺少用于由用户建立的查询，以及用于系统管理目的的预测运算符。关于系统管理，发明人未意识到使用输入流和中间查询结果流的在线预测作为系统管理决策的基础的当前的技术，例如，在最优化、适合于查询负载，和/或追踪加强负载查询的领域。这样，特定的示例实施方式还有的另一方面设计提供这些“缺失的”特征。在特定的示例实施方式中，提供一种预测一个事件流在未来将如何表现的方法。接收包含多个事件且以其为基础进行预测的一个事件流。对于每个接收的所述事件流中的事件，一个说明预先定义的时间范围的参考窗口被更新，在该过程中所述预测被计算，从而使得所述参考窗口以所述接收的事件结束，所述参考窗口随所述事件流移动。在该处理循环内，当一个预测更新策略指出所述预测基于所述接收的事件被更新，则用于显示时间范围的一个预测窗口被更新，其中事件在该预测窗口中被预测；以及当所述预测窗口的时间段没有被超出，则(a)下一个预测事件通过至少一个处理器被生成，以及(b)所述下一个预测事件被插入所述预测窗口 ；以及所述预测窗口被发布。根据特定的示例实施方式，所述参考和/或预测窗口是基于时间的或基于计数的。根据特定的示例实施方式，所述预测更新策略根据事件发生的预先定义的数量或在用户指定的时间间隔来触发更新。根据特定的示例实施方式，为响应用户输入，可能调整所述参考窗口以有选择地突出所述事件流中的短期或长期的流趋向。在特定的示例例子中，所述选择的预测策略的参数可能基于预测的事件精确度的评估被调整。联合估计可能被应用于数据部分、事件间隔时间、和时间间隔长度参数。学习算法可能被应用于所述预测，并且所述参考窗口和/或所述预测窗口的所述时间范围可能被调整以响应所述学习算法。根据特定的示例实施方式，对于每个预测的下一个事件，所述下一个事件的预测包括基于在所述滑动参考窗口中的所述事件的数据部分计算用于所述预测的下一个事件的数据部分；计算用于所述预测的下一个事件的开始时间戳；以及计算用于所述预测的下一个事件的结束时间戳。用于所述预测的下一个事件的所述开始时间戳可能通过将到下一个开始时间戳的估计间隔加到立即优先的开始时间戳来计算。可选择地，所述估计的间隔可能基于与所述参考窗口的间隔，用于所述预测的下一个事件的所述结束时间戳可能通过所述预测的下一个事件的所述计算的开始时间戳加上一个估计的时间间隔长度来计算，和/或所述估计的时间间隔长度可能基于所述参考窗口中的事件的时间间隔长度。在特定的实施方式中，至少一个预测的下一个事件可能被用 于预测另一个被预测为在时间上更晚发生的预测的下一个事件。根据特定的示例实施方式，根据预先定义的预测策略，预测所述下一个事件被实施，所述预测策略包括从包含以下策略的所述组中选择的至少一个策略(a)以向前或向后的方式重复来自所述参考窗口中的所述事件的值；(b)随机选择来自所述参考窗口中的所述事件的值；(c)将加权的或未加权的平均数应用于来自所述参考窗口中的所述事件的值；(d)根据控制所述最近事件的重点的平滑参数，平滑递增地计算的下一个事件和上一个估计的加权平均数；(e)执行基于密度的重采样；和(f)将所述参考窗口与一组一个或更多的预先定义的历史参考窗口组合。根据特定的示例实施方式，在所述参考窗口中的事件可能被压缩。在一些例子中，所述参考窗口的时间范围可能被增加，所述压缩与增加被平衡从而使得预测质量以快于压缩引入错误的比率提闻。根据特定的示例实施方式，用于表现在所述事件流中的事件的业务数据及用于表现预测的事件的业务数据，和/或系统管理事件数据及预测的系统管理事件数据可能被输出给显示器。特定的示例实施方式也提供实体存储用于执行以上总结的和/或其它的方法的指令的非暂态计算机可读存储介质，还有相应的计算机程序。特定的示例实施方式也可能提供类似的系统。例如，特定的示例实施方式涉及一种复杂事件处理(CEP)系统，包括至少一个处理器、被所述至少一个处理器控制的CEP引擎，和至少一个输入适配器，其被配置为接收一个包含事件的事件流，以及提供来自所述事件流的所述事件的事件数据给所述CEP引擎。所述CEP引擎包括至少一个运算符，其被配置为直接或间接地接收和处理所述事件数据，用于后续直接或间接输出给所述CEP系统的系统管理应用和/或事件消耗应用，或与所述CEP系统通信的组件，还有至少一个被配置为直接或间接地接收并处理至少一个所述的事件流的预测运算符。所述处理可能包括(a)对于每个接收的事件流中的事件，更新说明预先定义的时间范围的参考窗口，在该过程中所述预测被计算，从而使得所述参考窗口以所述接收的事件结束，所述参考窗口随所述事件流移动，并且当预测更新策略指出所述预测将基于所述接收的事件被更新时更新用于显示时间范围的预测窗口，在其中事件在该预测窗口中被预测；并且当所述预测窗口的时间段没有被超过，则(i)通过至少一个处理器生成下一个预测事件，以及(ii)将所述下一个预测的事件插入所述预测窗口 ；并发布所述预测窗口。所述预测可能被直接或间接地输出到所述CEP系统的所述系统管理应用和/或外部应用或组件。这些特征、方面、优点和示例实施方式可以被分开使用和/或以多种结合应用以获得本发明的进一步的实施方式。


通过参考以下示例说明的实施例的详细描述并结合附图可以更好并且更完全地理解这些和其他特征及优点，其为图I是使用时间间隔表征的一个示例事件流；图2是说明在特定的示例实施例中显示事件流的未来行为怎样被预测的一个示例流程的流程图； 图3是根据示例实施例说明将预测的功能集成入CEP系统的架构图；图4是根据特定的示例实施例，显示在此描述的预测功能怎样可能被集成入用户界面的说明性屏幕截图；图5是根据特定的示例实施例，显示在此描述的用于系统监视器的预测功能怎样可能被集成入用户界面的说明性屏幕截图。
具体实施例方式众所周知，CEP系统处理并分析高容量的事件流。一个事件流通常被认为是事件的连续递增序列。比如，当事件发生时(例如，对一辆汽车的命令已经在下午10点被申请或已经在特定的时间点进行一个物理测量)，这些事件可能被认为包括一个数据部分和时间组件说明(temporal component stating)。使用比如单一的时间戳、时间间隔、用于单一的时间戳的正负性的声明等，存在事件的不同的时间表征。特定的示例实施例的预测技术可能接收那些事件并连续保持事件的时间窗口。这个窗口的大小(例如，上一个小时或上10个事件等)可能是潜在的算法的可配置的参数。在特定的示例实施例中，所述预测的时间窗口(或用于要被预测的所述事件的时间窗口)也可能被参数化。比如，特定的示例实施例的所述预测算法可能被配置为涉及上三个小时并预测用于下一个十分钟的所述事件。可能由用户指定的另一个参数是所述预测的更新频率(比如，说明对于每个传入的事件、每五分钟等，所述预测算法是否将被更新)。在特定的示例实施例中，所述预测策略本身也可能被参数化。多个不同的预测策略可能被用来(leveraged)预测未来事件的值并且当它们将在指定的预测窗口发生时。通常，特定的示例实施例的预测算法可能以在线的方式处理事件并从而符合典型地严格的CEP处理要求。特定的示例实施例的预测技术可能被嵌入一个CEP系统。CEP系统典型地使用适配器连接事件流。运算符可能连接那些适配器，其中一个运算符包括特定的分析逻辑。以同样的方式，一个预测运算符可能被形成以接收事件、保持事件的一个时间窗口并计算一个新的预测。所述灵活的设计不仅允许计算用于输入事件流的预测，还允许计算用于其他运算符的结果数据流的预测。在特定的示例实施例中，所述预测功能可能被集成入所述用户界面以使得所述用户指定使用预测的业务逻辑。比如，业务逻辑的例子可能包括想预测下一个小时的汽车命令的用户、已经计算前两个小时内网络中断的平均数的用户并且现在想预测下个30分钟的相应的数目等。在特定的示例实施例中，事件查询语言可能通过具有相应的窗口设置的FORECAST字句被扩展以帮助促进这样的特性的实施。其他的预测应用可能位于系统管理中。CEP系统典型地必须是高度自适应的，由于所述输入流的特征从而所述系统负载可能重大地改变。通常，所述流特征已经被发现对查询的处理成本具有直接的影响。因此，如上所指，所述系统可能影响流的预测以便以主动的方式适应未来的负载配置文件。比如，CEP系统的查询优化器可以通过所述查询定期地估计所述事件处理流并且，如果在不久的将来低输入负载被期望，所述的系统可能使用免费的资源预先触发优化流程。现在将提供用于在CEP环境中计算和使用 预测的示例框架。将理解到虽然所述示例的框架的特定方面被描述与具体的设置和策略相关，它们也可以根据其他的设置和策略被适应。此外，虽然以下的例子讨论代表确定的时间间隔方法的事件的预测，将理解到作为选择或增加，这样的技术可能适合于其他的方法。在所述时间间隔方法中，一个事件包括一个数据部分e和一个时间间隔[ts，te)。所述时间间隔描述从ts (包含)开始到(排除)的所述事件的有效性。在所述流中的事件通过开始时间戳被分别排序。图I是使用时间间隔表征的一个示例事件流。如上所指，事件流的预测可能包括一些或所有以下参数 参考窗口 所述参考窗口指用于计算所述预测的事件的时间窗口。在不同的实现中，它可以是时间窗口(例如，上一个小时)或基于计数的窗口(例如，上10个事件)并可选择为由用户指定。当一个新的事件到达时，所述窗口可能被更新以包含关于所述新的事件的相应的以前的事件。这样，所述窗口随所述事件流移动。用这个参数，较旧的数据的影响可以被控制。取决于所述设置，短期流趋向或长期流趋向可能被突出。 预测窗口 所述预测窗口指用于将要被预测的事件的时间窗口。在不同的实现中并当可由用户选择设置时，所述预测窗口可以是时间窗口(例如，下一个小时)或基于计数的窗口(例如，下10个事件)。这个参数可以定义未来事件将被估计的时期。较长的预测窗口将典型地导致较低的估计准确度，虽然不总是如此。 预测更新当一个新的预测将被计算从而被提供时，可以指定更新策略。所述预测更新参数可能为每个传入的事件设置或通过在不同的实现中遍历分割的时间轴(例如，每10分钟)来设置并由用户可选择的设置。其他的触发器可以被使用，例如预先定义的事件的发生，比如电源断电，尤其是高或低输出或处理可用资源等。 预测策略所述预测策略可以定义所述预测窗口的事件将怎样基于来自所述参考窗口的值被计算。为了使用所述时间间隔方法估计一个事件，所述数据部分e、所述时间戳ts和所述时间间隔长度te_ts可能被估计。关于所述数据部分，以下的讨论假设所述数据部分包括来自公制尺(metric scale)的单一的数值。对于具有不同属性的事件，包括具有来自非公制尺的值的属性，然而，相应的预测策略可以被选择。为了估计一个新的事件，可能使用一个预测策略分别估计所述可变数据部分、开始时间戳和时间间隔长度。这些估计可能基于所述参考窗口中的事件的相应的值。给出所述参考窗口的上一个事件，未来的事件可能直到所述预测窗口的末端到达才被生成。取决于预测更新设置，所述预测的计算可能为每个传入的事件或当预设的更新时期已经过去时被触发。以上简略讨论的参数可以根据下面的表格被定义，并且下面讨论的示例算法遵守这些定义
权利要求
1.一种预测一个事件流在未来将如何表现的方法，所述方法包括 接收包含多个事件且以其为基础进行预测的一个事件流；以及 对于每个接收的所述事件流中的事件 更新用于显示预先定义的时间范围的参考窗口，在该过程中所述预测被计算从而使得所述参考窗口以所述接收的事件结束，所述参考窗口随所述事件流移动，以及 当一个预测更新策略指出所述预测将基于所述接收的事件被更新，则 更新用于显示时间范围的一个预测窗口，其中事件在该预测窗口中被预测；以及 当所述预测窗口的时间段没有被超出，则(a)通过至少一个处理器生成下一个预测事件，以及(b)将所述下一个预测事件插入所述预测窗口 ；以及 发布所述预测窗口。
2.根据权利要求I所述的方法，其中所述参考窗口是基于时间的窗口或基于计数的窗□。
3.根据权利要求I或2所述的方法，进一步包括为响应用户输入，调整所述参考窗口以有选择地突出所述事件流中的短期或长期的流趋向。
4.根据前述权利要求中的任一项所述的方法，其中所述预测窗口是基于时间的窗口或基于计数的窗口。
5.根据前述权利要求中的任一项所述的方法，其中所述预测更新策略根据预先定义的事件发生的数量或在用户指定的时间间隔来触发更新。
6.根据前述权利要求中的任一项所述的方法，其中对于每个预测的下一个事件，所述下一个事件的预测包括 基于在所述滑动参考窗口中的所述事件的数据部分计算用于所述预测的下一个事件的数据部分； 计算用于所述预测的下一个事件的开始时间戳；以及 计算用于所述预测的下一个事件的结束时间戳。
7.根据权利要求6所述的方法，其中用于所述预测的下一个事件的所述开始时间戳通过将到下一个开始时间戳的估计间隔加到立即优先的开始时间戳来计算。
8.根据权利要求7所述的方法，其中所述估计的间隔基于与所述参考窗口的间隔。
9.根据权利要求7所述的方法，其中用于所述预测的下一个事件的所述结束时间戳通过将估计的时间间隔长度增加到用于所述预测的下一个事件的所述计算的开始时间戳来计算。
10.根据权利要求9所述的方法，其中所述估计的时间间隔长度基于所述参考窗口中的事件的时间间隔长度。
11.根据权利要求6-10所述的方法，其中至少一个预测的下一个事件被用于预测另一个被预测为在时间上更晚发生的预测的下一个事件。
12.根据前述权利要求中的任一项所述的方法，其中根据预先定义的预测策略，所述下一个事件的预测被实施，所述预测策略包括从包含以下策略的所述组中选择的至少一个策略 (a)以向前或向后的方式重复来自所述参考窗口中的所述事件的值； (b)随机选择来自所述参考窗口中的所述事件的值；(C)将加权的或未加权的平均数应用于来自所述参考窗口中的所述事件的值； (d)根据控制所述最近事件的重点的平滑参数，平滑递增计算的下一个事件和上一个估计的加权平均数； (e)执行基于密度的重采样；以及 (f)将所述参考窗口与一组一个或更多的预先定义的历史参考窗口组合。
13.根据权利要求12所述的方法，进一步包括基于预测的事件精确度的评估调整所述选择的预测策略的参数。
14.根据权利要求12或13所述的方法，进一步包括将联合估计应用于数据部分、事件间隔时间、和时间间隔长度参数。
15.根据前述权利要求中的任一项所述的方法，进一步包括 将学习算法应用于所述预测；以及 调整所述参考窗口和/或所述预测窗口的所述时间范围以响应所述学习算法。
16.根据前述权利要求中的任一项所述的方法，进一步包括压缩在所述参考窗口中的事件。
17.根据权利要求16所述的方法，进一步包括增加所述参考窗口的时间范围， 其中所述压缩与增加被平衡从而使得预测质量以快于压缩引入错误的比率提高。
18.根据前述权利要求中的任一项所述的方法，进一步包括显示用于表现在所述事件流中的事件的业务数据及用于表现预测的事件的业务数据。
19.根据前述权利要求中的任一项所述的方法，进一步包括显示系统管理事件数据及预测的系统管理事件数据。
20.一种复杂事件处理系统，包括 至少一个处理器； 被所述至少一个处理器控制的复杂事件处理引擎；和 至少一个输入适配器，其被配置为接收一个包含事件的事件流，并提供来自所述事件流的所述事件的事件数据给所述复杂事件处理引擎； 其中所述复杂事件处理引擎包括 至少一个运算符，其被配置为直接或间接地接收和处理所述事件数据，用于后续直接或间接输出给所述复杂事件处理系统的系统管理应用和/或事件消耗应用，或与所述复杂事件处理系统通信的组件， 至少一个被配置为直接或间接地接收并处理至少一个所述的事件流的预测运算符，通过 (a)对于每个接收的事件流中的事件 更新说明预先定义的时间范围的参考窗口，在该过程中所述预测被计算，从而使得所述参考窗口以所述接收的事件结束，所述参考窗口随所述事件流移动，并且当预测更新策略指出所述预测将基于所述接收的事件被更新时 更新用于显示时间范围的预测窗口，其中事件在该预测窗口中被预测；并且当所述预测窗口的时间段没有被超过，则(i)通过至少一个处理器生成下一个预测事件，以及(ii)将所述下一个预测的事件插入所述预测窗口 ；以及发布所述预测窗口，以及(b)直接或间接地输出所述预测到所述复杂事件处理系统的所述系统管理应用和/或外部应用或组件。
21.一种非暂态计算机可读存储介质，其实体存储通过复杂事件处理系统的至少一个处理器执行的指令，从而使得至少 接收包含多个事件且以其为基础进行预测的一个事件流；以及 对于每个接收的所述事件流中的事件 更新用于显示预先定义的时间范围的参考窗口，在该过程中所述预测被计算，从而使得所述参考窗口以所述接收的事件结束，所述参考窗口随所述事件流移动，以及当一个预测更新策略指出所述预测将基于所述接收的事件被更新，则 更新用于显示时间范围的预测窗口，其中事件在该预测窗口中被预测；以及当所述预测窗口的时间段没有被超出，(a)生成下一个预测事件，以及(b)将所述下一个预测事件插入所述预测窗口 ；以及·发布所述预测窗口。
全文摘要
本发明涉及在复杂事件处理(CEP)环境中预测事件流的未来行为。对于每个接收的所述事件流中的事件，一个用于显示预先定义的时间范围的参考窗口被更新，在该过程中所述预测被计算，从而使得所述参考窗口以所述接收的事件结束，所述参考窗口随所述事件流移动。在该处理循环内，当一个预测更新策略指出所述预测基于所述接收的事件被更新，则用于显示时间范围的一个预测窗口被更新，其中事件在该预测窗口中被预测；以及当所述预测窗口的时间段没有被超出，(a)下一个预测事件通过至少一个处理器被生成，以及(b)所述下一个预测事件被插入所述预测窗口；以及所述预测窗口被发布。
文档编号G06F17/30GK102955841SQ20121029160
公开日2013年3月6日 申请日期2012年8月15日 优先权日2011年8月15日
发明者迈克尔·卡马特, 克里斯多夫·海因茨, 尤尔根·克莱默, 托拜厄斯·里门施耐德 申请人:德商赛克公司