[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور فرهنگی::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
ورود به سایت دروس

AWT IMAGE

نام کاربری
کلمه عبور

AWT IMAGE
رمز ورود را فراموش کرده‌اید؟

..
دفاعیه کارشناسی ارشد

دفاعیه کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: جلسه دفاعیه از رساله دکتری ::
 | تاریخ ارسال: ۱۳۹۸/۲/۴ | 

آقای محمّدعلی فردباستانی دانشجوی دکترای جناب آقای دکتر محسن شریفی روز یکشنبه مورخ 1398/02/08 ساعت 18:00  از رساله دکتری خود تحت عنوان "پردازش غیرمتمرکز رویدادهای پیچیده با استفاده از تجزیه و افراز قواعد" با درجه عالی دفاع نمود.

چکیده پایان نامه :

در سامانه‌های رویداد محور، هرگونه تغییر در وضعیت سامانه به‌صورت رویداد گزارش می‌گردد. با بررسی و پردازش بهنگام این رویدادها می‌توان اطلاعاتی در سطوح بالاتر استحصال کرده و در صورت لزوم به تغییرات و اتفاقات سامانه واکنش مناسب داشت. به پردازش بهنگام رویدادها و شناسایی الگوهای از پیش ‌تعریف‌شده از آن‌ها و استحصال اطلاعات در سطحی بالاتر از اطلاعات موجود در رویدادهای اولیه، پردازش رویدادهای پیچیده اطلاق می‌شود. این الگوها توسط قواعد قابل‌پردازش توسط سامانه‌های پردازش رویدادهای پیچیده تعریف می‌گردند. از سویی گسترش سامانه‌های رویداد محور، افزایش نرخ تولید رویدادها را به دنبال داشته‌است. از سوی دیگر گسترش نیاز به پردازش رویدادها، موجب فراوانی تعداد الگوهای شناسایی رویدادها و پیرو آن فراوانی تعداد قواعد پردازش رویدادهای پیچیده شده است. بنابراین، در پردازش رویدادهای پیچیده با استفاده از قواعد متعدد و در مواجهه با نرخ بالای رویدادها، مقیاس‌پذیری یک نیازمندی مهم است. مقیاس‌پذیری عمودی و بهبود کارایی در یک سامانه‌ی متمرکز، به دلیل محدودیت‌های ارتقاء سخت‌افزار و مقیاس‌پذیری آن، نیازمندی‌های پردازش رویدادهای پیچیده در سامانه‌های مقیاس بزرگ را برطرف نمی‌کند. بنابراین، نیاز است که راهکارهایی جهت مقیاس‌پذیری افقی پردازش رویدادهای پیچیده ارائه گردد. در این رساله، ابتدا چارچوبی جهت مقیاس‌پذیری افقی پردازش رویدادهای پیچیده با استفاده از افراز رویدادها و افراز قواعد ارائه‌شده است. این چارچوب مشتمل بر یک روش‌شناسی، مدل ریاضی، معماری و محیط توسعه است. سپس، سازوکارهایی مبتنی بر افراز رویدادها، افراز قواعد، تجزیه‌ی قواعد، و همچنین سازوکاری ترکیبی با استفاده از چارچوب یادشده ارائه شده است. این سازوکارها پس از پیاده‌سازی مورد ارزیابی و تحلیل قرار گرفته و با برخی کارهای مشابه مقایسه شده‌اند. نتایج ارزیابی‌ها نشان می‌دهد که سازوکارهای تطبیق‌پذیر ارائه‌شده، مقیاس‌پذیری تقریباً خطی به هنگام افزایش تعداد گره‌های محاسباتی داشته و همچنین توازن بار بهتر و نرخ خطای خروجی کمتری در مقایسه با سازوکارهای مشابه دارند.
 
واژه‌های کلیدی:  پردازش رویدادهای پیچیده، مقیاس‌پذیری افقی، افراز قواعد، تجزیه‌ی قواعد، افراز رویدادها

 

 Abstract:
 Every state change of an event-driven system is reported by an event. Such systems can react to changes in a timely manner by using real-time processing of these events and deriving higher-level information. Real-time processing of events, detection of event patterns from events, and derivation of high-level information is called complex event processing (CEP). Patterns are defined by rules that are used by complex event processing engines. With increases in the deployments of event-driven systems, event generation rates are increased too, and systems need to detect various types of event patterns. Consequently, event-driven systems need scalable CEP systems capable of processing high rates of events using high numbers of rules. Vertical scaling is inadequate for applications of CEP in large-scale domains that require more computing power than available on a single machine with limited vertical scaling capabilities. Therefore, there is a need for the provision of mechanisms to scale CEP engines horizontally in support of large-scale event-driven systems. This thesis proposes SCF, a framework for horizontal scalability of complex event processing via event partitioning and rule partitioning. SCF consists of methodology, mathematical model, architecture and development environment. In addition, this thesis proposes a set of mechanisms under SCF using event partitioning, rule decomposition, and rule partitioning. In comparison with notable related works, the proposed mechanisms increased throughput nearly linearly when the number of CEP computing nodes increased. In addition, the proposed mechanisms distributed the processing load more balanced and had fewer false event detection rate.

Keywords: Complex Event Processing, Horizontal Scaling, Rule Partitioning, Rule Decomposition, Event Partitioning
 


ارائه ­دهنده:

محمّدعلی فردباستانی

  استاد راهنما:

  دکتر محسن شریفی


  هیات داوران:

دکتر فریدون شمس، دکتر علی اصغر صفایی، دکتر عادل ترکمان رحمانی و دکتر محمد عبدالهی ازگمی
 

زمان : یکشنبه  08 اردیبهشت ماه 1398

  ساعت 18:00

  مکان: دانشکده مهندسی کامپیوتر- طبقه دوم- اتاق دفاعیه دکترا

  از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

دفعات مشاهده: 170 بار   |   دفعات چاپ: 4 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان

School of Computer Engineering
Persian site map - English site map - Created in 0.19 seconds with 52 queries by YEKTAWEB 3862