يكي از چالش‌هاي عمده سيستم‌هاي پردازش توزيعي رويدادهاي پيچيده، عدم تقارن و پيش‌بيني‌ناپذيري نرخ رويدادها در سيستم‌هاي واقعي است. به دليل نرخ برخي رويدادها كه به ‌صورت انفجاري بالا مي‌رود، توان محاسباتي ماشين‌ها براي پردازش رويدادهاي ورودي، كفايت نمي‌كند. كشف يك رويداد پيچيده با توجه به كاربردهايش بسيار حساس است و نداشتن توان لازم پردازشي باعث از دست دادن زمان و يا حتي عدم شناسايي رويداد پيچيده مي‌شود. بنابراين، به ‌منظور دستيابي به توان محاسباتي مناسب و فرار از گلوگاه‌هاي پردازشي زمان اجرا، از روش‌هاي تطبيق پوياي مورد استفاده در سيستم‌هاي محاسبات توان بالا استفاده مي‌شود. از اين ‌رو در اين پايان‌نامه سازوكاري جهت مقياس‌پذير نمودن تطبيقي قواعد و توزيع آن‌ها بين ماشين‌ها ارائه شده است. اين سازوكار مبتني بر تجزيه و تركيب پوياي قواعد است كه در صورت مشاهده عبور بار كاري از يك آستانه معين، توسط سيستم زمان اجرا، براي متوازن‌سازي بار ماشين‌ها فعال مي‌شود. راه‌كارهاي ارائه شده فعلي عمدتا به‌صورت ايستا مي‌باشند و موازي‌سازي در حين مقداردهي اوليه تبيين مي‌شود و يا مهاجرت‌ كل قاعده به ماشين ديگر مد نظر قرار مي‌گيرد. هيچ يك از راه‌كارهاي ارائه شده كنوني هزينه‌هاي زمان اجرا و مقياس‌پذيري را هم‎‌زمان مورد توجه قرار نداده‌اند. سازوكار پيشنهادي و ارزيابي آن در مقايسه با راه‌كارهاي مشابه تا 5% بهبود را در رويدادهاي از دست رفته نشان مي‌دهد. واژه‌هاي كليدي: مقياس‌پذير نمودن تطبيقي قواعد، توزيع قواعد، مهاجرت قواعد، پردازش توزيعي رويداد‌هاي پيچيده.

1397/02/02

4/22/2018 12:00:00 AM

One of the major challenges of distributed complex event processing systems is the asymmetry and unpredictability of the event rate in real systems. Due to the rate of some explosive events, the computational power of machines to process incoming events is not enough. Detecting a complex event is very sensitive to applications, and lacking processing power can cause a loss of time or even a failure to identify a complex event. Therefore, in order to obtain suitable computational power and escape from the run-time bottlenecks, we use dynamic adaptive methods used in High Performance Computing systems. Therefore, in this thesis, a mechanism for adaptive scaling of rules and their distribution between machines is presented. This mechanism is based on the dynamic combination of rules that if the load passes through a certain threshold, it is activated by the runtime system to balance machine load. Current solutions are mostly static, and parallelism is explained during the initial setup, or the migration from a critical machine to another machine is considered. None of the proposed solutions have paid attention to the cost of running and scaling of the run time. The proposed mechanism and its evaluation, compared with similar solutions, show up to 5% improvement in lost events. Keywords: Adaptive Scaling of Rules, Rules Distribution, Rules Migration, Distributed Complex Event Processing.