时序大数据流下的海量规则并行处理研究

This project do some research for the key technologies of massive rules parallel processing based on time series big data flow. The key problems involved in this field include description and modeling of rules, optimal sharing among multiple rules, partitioning of a rule network, and parallelization. (1) Description and modeling of rules. We will propose a rule description language that can express rules of different granularities. We also will propose a model to capture massive number of rules and their processing costs.(2)Research on massive rule parallel processing model under time series big data flow. The project researches and proposes a massive rule parallel processing model for time series large data streams, which mainly includes the generation, optimization, division and parallel processing mechanism and algorithm of the rule network.

本项目拟对时序大数据流下的海量规则并行处理的几个关键性技术进行了研究，其内容主要包括以下2个方面：（1）规则描述模型研究。项目研究一种可以表示各种粒度（大粒度、小粒度）规则的规则描述模型。主要包括规则节点表示方法、规则节点流量计算方法以及规则节点计算代价计算方法等。（2）时序大数据流下的海量规则并行处理模型研究。项目研究并提出一种针对时序时序大数据流下的海量规则并行处理模型，主要包括规则网的生成、优化、划分以及并行处理的机制和采用的算法。

随着互联网与物联网等应用的越来越广泛，越来越多的时序大数据流不断产生。而时序大数据流下的规则处理存在着数据处理量巨大、时时刻刻动态变化、以及对处理的实时性要求极高等巨大的挑战难题。而目前的规则处理研究以及各种基于规则的决策支持系统基本上仍然停留在处理小量时序数据流，或者处理虽然数据量大，但是对实时性要求并不高的数据流（定时做规则处理等）。.本项目对时序大数据流下的海量规则并行处理的几个关键性技术进行了研究，主要包括以下2个方面：（1）规则描述模型。研究一种可以表示各种粒度（大粒度、中粒度以及小粒度）规则的规则描述模型。主要包括规则节点表示方法、规则节点流量以及规则节点可计算代价等。（2）形成时序大数据流下的海量规则并行处理研究模型，并就海量规则网划分提出划分方法。项目通过研究规则，将不同规则中有重复规则节点的进行合并，达到规则完全合并或者部分合并目的；同时，项目通过那些计算功能等价的规则模块，将计算代价小的规则模块替换掉计算代价大的规则模块。同时，研究了海量规则子网的分割问题。包括：规则子网平衡分割算法；规则子网平衡最小依赖分割算法；规则子网平衡最小依赖与通信分割算法等。.通过本项目的研究，在时序大数据流环境下的规则描述模型及语言、规则网生成及优化、规则网划分以及海量规则并行处理方面做出一系列的原创性的成果，从而突破时序大数据流下的海量规则并行处理的技术瓶颈，探讨时序大数据流下的海量规则并行处理新机制，为未来进一步的工业化应用提供新的思路、理论和实验支撑。本项目在时序大数据流下的海量规则并行处理的各个重要研究方向上发表国内外重要学术论文5篇，如：CCC、ICPHM、WISA等，为学术界和工业界在本方向上的进一步研究提供思路方法和实验平台。通过本项目的研究，培养研究生2名，提高项目组青年研究人员的研究水平。

内容获取失败，请点击重试