Friedrich

1

• Friedrich Schiller - Universität Jena
• Lehrstuhl für Datenbanken und Informationssysteme
• Seminar Aktive Datenbanken
• Filterung von zusammengesetzten Ereignissen
• Ramon Fleischhauer

2
Gliederung

• 1. Einleitung
• 2. Wichtige Begriffsdefinitionen
• 3. Implementierungsmöglichkeiten zur Erkennung
  von Ereignissen
• 4. Zwei Schritt Verfahren zur Filterung von
  zusammengesetzten Ereignissen
• 5. Schlüsselkriterien für ein Filterverfahren
• 5.1 Filtermodell
• 5.2 Die innere Darstellung eines Filters
• 6. Zusammenfassung

3
1. Einleitung

• Filterung Prüfen aller eintretenden Ereignisse
  anhand von bestimmten festgelegten
  Kriterien
• Hauptziel Erkennung von zusammengesetzten
  Ereignissen
• Ereignisse haben entscheidenden Einfluss auf ECA
  (Event Condition Action)
• Ereignisdefinitionen und Ereigniserkennung sind
  ein wichtiges Thema in DB- Forschung

4
2. Grundlegende Begriffe

• Ereignisse
• happening of interest ( Gehani et al )
• Auftreten einer Situation, die eine
  möglicherweise automatische Reaktion erfordert (
  Unland und Zimmer )
• Unterscheidung primitive, zusammengesetzte
  Ereignisse
• primitive Ereignisse

5

• zusammengesetzte Ereignisse
• durch Kombination von Ereignissen (primitive,
  zusammengesetzte) anhand bestimmter Operatoren
• Beispiele
• - Konjunktion/ Disjunktion z x und/ oder y
• - Sequenz z x muss vor y eintreten
• - Negation nicht x innerhalb eines bestimmten
  Zeitintervalles
• -

6

• Filterverfahren benötigen 2 Schritte zur
  Filterung von zusammengesetzten Ereignissen
• consumption mode wie primitive
  Ereignisinstanzen zur Bildung von zus.
  Ereignissen verwendet und anschließend gelöscht
  werden
• recent, chronicle, continuous,
  cumulative

7
3. Implementierungsmöglichkeiten

• verschiedene Möglichkeiten zur Darstellung und
  Erkennung von Ereignissen

via
Graphen
Bäumen
Automaten
Petri - Netze
8
Implementierung via Graphen

• gerichteter azyklischer Graph (DAG)
• jedes zusammengesetzte Ereignis als DAG
  dargestellt
• Knoten Ereignisbeschreibungen
• Kanten Ereigniszusammensetztungen
• tritt primitives Ereignis ein werden Vaterknoten
  informiert
• Beziehungen zu Ereignissen werden gespeichert

9
Implementierung via Graphen

• event graph - in Sentinel
• Kombination von Eventbäumen zu Graphen
• Blätter primitive Ereignisse
• Knoten enthalten Operatoren, separaten Speicher
  für Kinder
• Pfeile im Graph repräsentieren Ereigniserkennung
  (bottom up)

10
V. Krishnaprasad Event detection for supporting
active capability in an OODMS Semantics,
architecture and implementation page 78
University of Florida 1994
11
Implementierung via Bäumen

• detection tree
• aufgebaut aus detection graph s
• eigener Baum pro zusammengesetztem
• Ereignis
• Knoten entweder Blatt, Wurzel, Operator
• Ereigniserkennung bottom up
• Operatorknoten verwalten primitive
• Ereignisse
• Wurzel ergibt zusammengesetztes
• Ereignis

U. Jaeger, J. K. Obermaier Parallel Event
Detection in Active Database Systems The Heart
of the Matter page 4 Humboldt-Universität zu
Berlin
12
Implementierung via Automaten

• durch deterministische endliche Automaten (DFA)
• jeder Zustand stellt Ereignis dar
• Übergang zwischen 2 Zuständen ist
  Ereigniseintritt
• step by step
• von COMPOSE verwendet
• Implementierung der Eventausdrücke mittels
  Automaten
• Input primitiven Ereignisse
• Automaten durch Sub- Automaten konstruiert
• 3- Zustandsautomat (Start-, Akzeptanz-,
  Nichtakzeptanzzustand)

13
Implementierung via Automaten

• zusammengesetztes Ereignis erkannt, wenn Automat
  Akzeptanzzustand erreicht hat
• Erweiterung der Automaten mit Datenstrukturen zur
  Speicherung von Informationen

G. Lörincze Modellierung, Analyse und Simulation
von Regeln in der aktiven Schicht ALFRED
Diplomarbeit Universität Bern 1996
14
Implementierung via Petri Netze (PN)

• in SAMOS verwendet
• Erweiterung coloured PN
• Aufbau Input place primitive Ereignisse,
  Output zus. Ereignis
• token zur Markierung, enthält aktuelle
  Ereignisparameter
• guard functions zur Evaluation
• Algorithmus step by step
• geordnete Reihenfolge aller primitiven Ereignisse
  muss bekannt sein

15
Implementierung via Petri Netze

• wenn alle Inputs vorhanden, guard function
  positiv evaluiert,
• dann feuert transition zum Output ?
  zusammengesetzte Event

S. Gatziu, K.R. DittrichDetecting composite
events in active database syxstems using Petri
Nets to appear in Proc. Of the 4th Intl.
Workshop on Research Issues in Data Engineering
Active Database Systems, Houston, Texas, February
1994, page 5
16

S. Gatziu, K.R. Dittrich Events in an Active
Object-Oriented Database System to appear in
Proc. of the 1.Intl. Workshop on Rules in
Database Systems page 8 Edinburgh,August 93.
17

• Probleme bestehender Verfahren
• Automat Anzahl der Zustände ? Erreichbarkeitsanal
  yse, Zustandsminimierung
• Bäume/ Graphen betrachtet jedes primitive
  Ereignis und damit unnötige
  Filteroperationen
• PN in SAMOS nur chronicle consumption mode

18
4. Zwei - Schritt - Verfahren

• Grundlage baumbasierter Ansatz,
  Matchingalgorithmus, Verwendung der Idee der
  partiellen Ereignisverarbeitung,
• Zusammengesetze Ereignisfilterung in zwei
  Schritten
• 1. Schritt Erkennung primitiver Ereignisse
• 2. Schritt Ergebnisse Input für
  zusammengesetzte
• Ereignisfilterung
• betrachten primitiven Ereignisse e1, e2, e3
• Nutzer A E(a) e1
• Nutzer B E(b) e1 und e2
• Nutzer C E(c) Sequenz(e2e3)

19
(No Transcript)
20
(No Transcript)
21
(No Transcript)
22
Erweiterung des Zwei Schritt - Verfahrens

• Erweiterung des Verfahrens ? 1 Schritt
  Verfahren
• bedeutet 2. Schritt in den 1. Schritt
  integriert wird
• ? Zeiteinsparung
• 2 Möglichkeiten
• - Ein Schritt Verfahren mit Löschen
• - Ein Schritt Verfahren ohne Löschen
• - alle Teilprofile werden im Baum gehalten
• - Blätter werden um Listen erweitert
• - 2 Zustände aktiv (o), inaktiv (x)
• betrachten primitiven Ereignisse e1, e2, e3
• Nutzer A E(a) e1
• Nutzer B E(b) e1 und e2
• Nutzer C E(c) Sequenz(e2e3)

23
(No Transcript)
24
(No Transcript)
25
(No Transcript)
26
(No Transcript)
27
(No Transcript)
28

• 1 Schritt Verfahren mit Löschen
• nur aktuell relevante Teilprofile im Baum
  gehalten
• abgearbeitete Teilprofile werden gelöscht
• Aufnahme von Teilprofilen sobald sie relevant
  werden
• Performancebewertung der 3 Verfahren
• beste Verfahren ist das 1 - Schritt ohne
  Löschen
• dann das 2 Schritt Verfahren
• schlechteste Verfahren ist 1 Schritt
  Verfahren mit Löschen

29
5. 1 Filtermodell

• determiniert die Struktur der Ereignisfilterkompon
  enten
• wie Ereignisdefinitionen und Filterausdrucksdefini
  tionen
• gutes Modell ist flexibel jede gewünschte
  Funktionalität zu formen
• Auswirkungen auf
• - Performance
• - Allgemeingültigkeit
• - Ausdrucksmächtigkeit

30
5. 2 Innere Darstellung des Filters

• determiniert die Struktur und Ausführung des
  Filtermechanismus
• Ausführung durch Algorithmus
• Datenstruktur zur Erkennung von Events
• ( Graph-, Baum-, Petri-Netz- oder
  Automatenbasiert)
• Hauptauswirkungen
• - Performance

31
6. Zusammenfassung

• verschiedenen Systeme benutzen verschiedene
  Spezifikationen
• verschiedene Möglichkeiten der Implementierung
• 2 Schritte für zusammengesetzten
  Ereigniserkennung
• Ereignisfilterung nicht nur in aktiven DB wichtig
• Trend parallele Erkennung zusammengesetzter
  Ereignisse vorallem bei Bäumen

32
Literaturverzeichnis

• N. H. Gehani, H. V. Jagadish, and O. Shmueli.
  Composite event specification in active
  databases Model implementation. In Proceedings
  of the 18th International Conference on Very
  Large Data Bases, 1992.
• S. Chakravarthy, V. Krishnaprasad, E. Anwar, S.K.
  Kim, "Composite events for active databases
  semantics, contexts and detection" in Proceedings
  of the 20th International Conference on Very
  Large Data Bases, VLDB 94, Santiago, Chile, pp.
  606-617, 1994.
• N.W. Paton, O. Diaz, "Active database systems" ,
  Technical report, Department of Computer Science,
  University of Manchester, England, 1994.
• S. Chakravarthy and D. Mishra. Snoop An
  expressive event specification language for
  active databases. , Technical Report
  UF-CIS-TR-93-007, University of Florida,
  Gainesville, Department of Computer and
  Information Sciences, March 1993.
• S. Gatziu and K. R. Dittrich. SAMOS An Active
  Object-Oriented Database System. IEEE Quarterly
  Bulletin on Data Engineering, Special Issue on
  Active Databases, 15(1-4)2326, December 1992.
• Ehab Al-Shaer. High-Performance Event Filtering
  Survey and Evaluation. Technical Report
  ODU-CS-96, Computer Science Department, Old
  Dominion University, March 1996.
• A. Hinze Efficient filtering of composite
  events. In Proceedings of the 20th British
  National Conference on Databases (BNCD03),
  Coventry, UK, July, 2003
• D. Zimmer, R. Unland The Formal Foundation of
  the Semantics of Complex Events in Active
  Database Management Systems. Cooperative
  Computing Communication Laboratory, Technical
  Report Nummer 22/1997, Paderborn, Deutschland,
  1997.
• E. S. Al-Shaer High-performance Event Filtering
  for Distributed Dynamic Multi-point Applications
  Survey and Evaluation Computer Science
  Department, Old Dominion University, March 1996.
• E. S. Al-Shaer Event Filtering Framework Key
  Criteria and Design Trade-offs in the IEEE 21st
  International Conference on Computer Software and
  Application, held in Washington, D.C., USA,
  August 1997
• S. Chakravarthy, V. Krisshnaprasad, E. Anwar, and
  S. K. Kim. Anatomy of a Composite Event Detector.
  Technical Report CIS TR-93-039, University of
  Florida, December 1993
• S. Chakravarthy, V. Krishnaprasad, E. Anwar, and
  S. K. Kim. Composite Events for Active Databases
  Semantics, Contexts and Detection. In Proceedings
  of the 20th VLDB Conference, p. 606-617, Sep.
  1994
• N. H. Gehani, H. V. Jagadish, and O. Shmueli.
  Event Specification in an Active Object-Oriented
  Database. In Proceedings of the ACM SIGMOD
  International Conference on Management of Data,
  p. 91-90, 1992.
• S. Bittner. Implementierung und Analyse von
  Filterverfahren für parametrisierbare
  zusammengesetzte Ereignisse. Diplomarbeit, Freie
  Universität Berlin, Institut für Informatik, 2004
• S. Chakravarthy. Sentinel An object-oriented
  DBMS with event-based rules. In Proceedings of
  the ACM SIGMOD International Conference on
  Management of Data, Tucson, AZ, 1997.
• S. Gatziu and K. R. Dittrich. Detecting composite
  events in active database systems using petri
  nets. In Proceedings of the RIDE Workshop on
  Research Issues in Data Engineering, Houston, TX,
  1994.

33

• Vielen Dank für Ihren Aufmerksamkeit!