Design and Implementation of a Middleware for Uniform, Federated and Dynamic Event Processing

In recent years, real-time processing of massive event streams has become an important topic in the area of data analytics. It will become even more important in the future due to cheap sensors, a growing amount of devices and their ubiquitous inter-connection also known as the Internet of Things (I...

Full description

Saved in:
Bibliographic Details
Main Author: Hoßbach, Bastian
Contributors: Seeger, Bernhard (Prof. Dr.) (Thesis advisor)
Format: Dissertation
Language:English
Published: Philipps-Universität Marburg 2015
Datenbanksysteme
Subjects:
Online Access:PDF Full Text
Tags: Add Tag
No Tags, Be the first to tag this record!
Table of Contents: In den letzten Jahren hat sich die Echtzeitverarbeitung von massiven Ereignisströmen zu einem wichtigen Thema im Bereich der Datenanalyse entwickelt. Sie wird in Zukunft sogar noch wichtiger aufgrund günstiger Sensoren, einer wachsenden Zahl von Geräten und deren allgegenwärtigen Vernetzung auch bekannt als das Internet der Dinge (IdD). Hochschulen, Industrie und die Open Source Gemeinschaft haben viele Systeme zur Ereignisverarbeitung (EV) entwickelt, die es Benutzern ermöglichen kontinuierliche Anfragen auf Ereignisströmen zu definieren, zu verwalten und auszuführen. Diese erzielen eine deutlich bessere Leistung als der traditionelle Ansatz, in dem Ereignisse zuerst in einer Datenbank gespeichert und indexiert werden. Da EV-Systeme unterschiedliche Wurzeln haben und es keine Standards gibt, wurde die Systemlandschaft sehr heterogen. EV-Systeme unterscheiden sich in APIs, Verhalten und Anfragesprachen. In dieser Arbeit werden der Entwurf und die Umsetzung einer neuartigen Middleware präsentiert, die von unterschiedlichen EV-Systemen abstrahiert und Benutzern sowie Entwicklern eine einheitliche Plattform anbietet. Damit überwindet die Middleware das Problem des Vendor-Lock-in und ermöglicht unterschiedlichen EV-Systemen die Zusammenarbeit. In der Praxis unterscheiden sich Ereignisströme deutlich in Volumen und Geschwindigkeit. Wir zeigen wie sich die Middleware nicht nur zu EV-Systemen verbinden kann, sondern auch zu Datenbanken und einer nativen Implementierung. Anwendungen wie das IdD führen zu besonderen Herausforderungen und benötigen eine dynamischere EV. Wir stellen Erweiterungen der Middleware vor, die Selbst-Adaptivität ermöglichen, welche in kontextabhängigen Anwendungen und jenen, die sich mit sich ständig ändernden Mengen von Quellen und Senken befassen müssen, benötigt wird. Schließlich erweitern wir die Middleware um die Unterstützung der Verarbeitung von räumlichen Daten und die Fähigkeit verteilt als Föderation heterogener EV-Systeme zu laufen.