Event Trend Aggregation Under Rich Event Matching Semantics
Event Trend Aggregation Under Rich Event Matching Semantics
复制标题
丰富事件匹配语义下的事件趋势聚合
DOI：
10.1145/3299869.3319862
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Maier, David
中科院分区：
文献类型：
--
作者：
Poppe, Olga;Lei, Chuan;Rundensteiner, Elke A.;Maier, David
从集群监控到算法交易的流应用程序都部署了Kleene查询来检测和聚合事件趋势。丰富的事件匹配语义决定了如何将事件组合成趋势。最先进的流媒体系统的表达能力仍然有限，因为它们不支持这些语义中的许多。更糟糕的是，它们遭受长延迟和高内存成本，因为它们以细粒度维护聚合。为了克服这些限制，我们的粗粒度事件趋势聚合（Cogra）方法支持一个系统内的事件匹配语义丰富的品种。更好的是，Cogra以可能的粗粒度为这些语义中的每一个增量地维护聚合。通过这种方式，Cogra最大限度地减少了聚合的数量--降低了时间和空间的复杂性。我们的实验表明，Cogra实现了高达六个数量级的速度和高达七个数量级的内存减少相比，国家的最先进的方法。
Streaming applications from cluster monitoring to algorithmic trading deploy Kleene queries to detect and aggregate event trends. Rich event matching semantics determine how to compose events into trends. The expressive power of state-of-the-art streaming systems remains limited since they do not support many of these semantics. Worse yet, they suffer from long delays and high memory costs because they maintain aggregates at a fine granularity. To overcome these limitations, our Coarse-Grained Event Trend Aggregation (Cogra) approach supports a rich variety of event matching semantics within one system. Better yet, Cogra incrementally maintains aggregates at the coarsest granularity possible for each of these semantics. In this way, Cogra minimizes the number of aggregates -- reducing both time and space complexity. Our experiments demonstrate that Cogra achieves up to six orders of magnitude speed-up and up to seven orders of magnitude memory reduction compared to state-of-the-art approaches.
登录
查看更多内容
影响因子：
2.5
作者：
L. Woods;J. Teubner;G. Alonso
通讯作者：
L. Woods;J. Teubner;G. Alonso
无名手稿编号（将由编辑插入） Streaming Multiple Aggregations using Phantoms
DOI：
--
发表时间：
--
期刊：
--
影响因子：
--
作者：
S. Swartzburg
通讯作者：
S. Swartzburg
SlickDeque：高吞吐量和低延迟增量滑动窗口聚合
DOI：
--
发表时间：
2018
期刊：
International Conference on Extending Database Technology
影响因子：
--
作者：
Anatoli U. Shein;Panos K. Chrysanthis;Alexandros Labrinidis
通讯作者：
Alexandros Labrinidis
用于 XML 流上的 XPath 查询应答的早期嵌套词自动机
影响因子：
1.1
作者：
Denis Debarbieux;Olivier Gauwin;Joachim Niehren;Tom Sebastian;Mohamed Zergaoui
通讯作者：
Mohamed Zergaoui
GRETA：基于图的实时事件趋势聚合
影响因子：
2.5
作者：
Poppe, Olga;Lei, Chuan;Rundensteiner, Elke;Maier, David
通讯作者：
Maier, David