基于RDF流的复杂事件处理方法研究与应用

作     者：王贺 

作者单位：中国科学院大学(中国科学院沈阳计算技术研究所) 

学位级别：硕士

导师姓名：于碧辉

授予年度：2021年

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：语义网 资源描述框架 复杂事件处理 回答集编程 查询推理 

摘      要：物联网（IoT）中传感器产生的数据流通常是数值型的,且不包含上下文信息。如果不对传感器数据流附加上下文信息,海量的传感器数据流混淆在一起将无法进行有效处理。为了解决上述缺点,以便将大量传感器数据流关联在一起,挖掘数据流中的隐含信息,语义网技术被提出。语义网技术包括资源描述框架（RDF）和本体等,使用语义网技术对物联网进行扩展形成语义物联网（SWoT）,通过本体对传感器产生的异构数据附加语义信息生成RDF数据,实现多源异构数据之间的语义互操作。语义物联网的发展产生了海量RDF数据,数据大多以流的形式从物联网中采集并进行实时分析。如何对RDF流进行查询推理,从流中挖掘有价值的信息用于决策成为研究的热点,因此RDF流处理（RSP）技术被提出。一些研究使用流处理技术扩展SPARQL实现了RDF流的查询推理,例如C-SPARQL、CQELS和EP-SPARQL等。一些研究在回答集编程（ASP）的基础上实现RDF流查询推理,例如Ticker和Laser。另一些研究结合大数据流处理框架实现分布式RDF流的查询推理,例如CQELS-Cloud和Stride等。但是从事件驱动的角度出发,研究分析事件关系,进行更高层次的语义处理的研究较少。复杂事件处理（CEP）是从事件驱动角度出发,对事件流进行实时分析的流处理技术,但适用场景通常缺乏语义信息,不能处理异构数据流,且不能结合本体用于RDF流处理。将CEP使用语义技术扩展,从而创建基于语义的复杂事件处理（SCEP）。本文从复杂事件处理的角度出发,目标是在分布式环境下结合本体实现RDF流的查询推理,提出了基于RDF流的复杂事件处理方法CEPR。CEPR以回答集编程为基础,使用扩展ASP的LARS,结合Datalog和关系代数,在Flink平台上实现RDF流的推理查询。本文使用PHM 2010刀具磨损数据集对CEPR进行性能评测,首先使用本体对数据进行语义标注转化为RDF数据,然后通过Kafka构建RDF流传输到CEPR流处理系统中。本文使用Datalog编写事件模式LARS程序。当CEPR流处理系统运行时,Flink根据LARS程序中的规则关系将程序编译为逻辑执行计划有向无环图（DAG）。DAG图会转化为物理执行计划关系代数树注册到RDF流中进行实时推理查询。为每一条规则构建关系代数树,将规则的合并转化为关系代数树的合并,关系代数树的叶子节点进行数据的过滤,根节点就是LARS程序的结果。最后将CEPR与C-SPARQL、Strider从查询延迟这个角度进行模型对比,实验结果表明基于数据驱动的CEPR的查询延迟优于基于时间驱动的C-SPARQL和基于批处理驱动的Strider。