论文部分内容阅读
实时商业智能在一定程度上弥补传统商业智能在数据、分析和决策等方面的延迟,然而现有的实时商业智能平台挖掘出来的信息具有静态性、被动性,无法动态、主动的进行信息发布。鉴于商业智能的主要功能是对企业的信息资源进行分析与挖掘,发现潜在的商业机会,并能采取主动的应对措施,本文提出基于复杂事件处理的实时商业智能,来实现商业智能中主动决策与异常预警功能,使其能够在特定的条件下(如特定数据的变化、系统指标符合预定事件的规则或达到一定的阀值等)被触发执行,从而主动提供决策信息。本文研究的主要工作内容如下:首先,针对现有实时商业智能存在的弊端和延迟问题,提出了基于复杂事件处理的实时商业智能。对实时商业智能的关键技术和相关理论进行阐述,并分析讨论引入复杂事件处理技术的必要性以及将复杂事件处理技术运用到实时商业智能中优势,构建基于复杂事件处理的实时商业智能模型架构。其次,分析探讨基于复杂事件处理的实时商业智能的关键技术,主要包括大数据分布式流计算技术和复杂事件处理技术,对其中的复杂事件模型和分布式节点进行重点设计,并构建了分布式复杂事件处理架构。最后,构建基于复杂事件处理的的实时商业智能系统平台,采用myEclipse与分布式流处理技术平台Storm、复杂事件处理引擎Esper的集成初步实现该平台的开发。本文以证券市场异常交易监控为实例,进行相关情境规则库的构建,以计算实验的方式模拟股票交易历史数据为系统程序中所需的数据流,采用该平台监测出数据流中存在的异常行为事件,从而实证了复杂事件处理技术在实时商业智能应用中的优势。