the realm of stream reasoning
play

The realm of stream reasoning G. Cugola E. Della Valle - PowerPoint PPT Presentation

Stream and Complex Event Processing The realm of stream reasoning G. Cugola E. Della Valle A. Margara Politecnico di Milano


  1. Stream and Complex Event Processing The realm of stream reasoning G. ¡Cugola ¡ ¡ ¡ ¡E. ¡Della ¡Valle ¡ ¡ ¡ ¡A. ¡Margara ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡Politecnico ¡di ¡Milano ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡Vrije ¡Universiteit ¡Amsterdam ¡ cugola@elet.polimi.it a.margara@vu.nl dellavalle@elet.polimi.it

  2. Course ¡outline ¡ Distribu@ng ¡to ¡survive: ¡The ¡"operator ¡ • History ¡and ¡principles ¡of ¡stream ¡ • placement" ¡problem ¡ compu@ng ¡and ¡complex ¡event ¡processing ¡ • Theory ¡ Descrip@on ¡of ¡the ¡area ¡ • • Algorithms ¡ Typical ¡applica@ons ¡ • On ¡managing ¡uncertainty ¡in ¡data ¡and ¡rules ¡ • Challenges ¡ • • A ¡model ¡of ¡uncertainty ¡for ¡informa@on ¡ • A ¡modeling ¡framework ¡for ¡IFP ¡systems ¡ flow ¡processing ¡systems ¡ Func@onal ¡model ¡ ¡ • Discovering ¡exis@ng ¡systems ¡ • Processing ¡model ¡ • • Complex ¡event ¡processing ¡systems ¡in ¡ prac@ce ¡ Deployment ¡model ¡ ¡ • • Data ¡streaming ¡systems ¡in ¡prac@ce ¡ Interac@on ¡model ¡ • • Stream ¡reasoning ¡systems ¡in ¡prac@ce ¡ Data ¡model ¡ • On ¡benchmarking ¡Informa@on ¡Flow ¡ • Time ¡model ¡ ¡ • Processing ¡Systems ¡ Rule ¡model ¡ • • The ¡problem ¡ Language ¡model ¡ • • Possible ¡solu@ons ¡ • The ¡realm ¡of ¡stream ¡reasoning ¡ PuQng ¡it ¡all ¡together ¡ • A ¡brief ¡introduc@on ¡to ¡the ¡seman@c ¡Web ¡ • • A ¡prac@cal ¡scenario ¡to ¡test ¡IFP ¡systems ¡ technologies ¡ Experience ¡report ¡ • From ¡stream ¡processing ¡to ¡stream ¡ • reasoning ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-­‑ ¡Stream ¡Reasoning ¡ 2 ¡

  3. It’s ¡the ¡Informa@on ¡Society, ¡baby ¡ Oil ¡opera@ons ¡ Traffic ¡ Financial ¡markets ¡ Social ¡networks ¡ …generate ¡data! ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-­‑ ¡Stream ¡Reasoning ¡ 3 ¡

  4. It’s ¡the ¡Informa@on ¡Society, ¡baby ¡ …and ¡have ¡to ¡analyze ¡ data ¡in ¡real ¡@me ¡ In ¡a ¡well ¡in ¡progress ¡to ¡drown, ¡how ¡long ¡ @me ¡do ¡I ¡have ¡given ¡its ¡historical ¡behavior? ¡ Is ¡public ¡transporta@on ¡ ¡ where ¡the ¡people ¡are? ¡ Can ¡we ¡detect ¡any ¡intra-­‑day ¡correla@on ¡ clusters ¡among ¡stock ¡exchanges? ¡ ¡ Who ¡is ¡driving ¡the ¡discussion ¡ ¡ about ¡the ¡top ¡10 ¡emerging ¡topics ¡? ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-­‑ ¡Stream ¡Reasoning ¡ 4 ¡

  5. Motivation New Requirements à New Challenges ¡ Typical ¡Requirements ¡ • Con@nuous ¡seman@cs ¡ • Processing ¡Streams ¡ • Scalable ¡processing ¡ • Large ¡datasets ¡ • Real-­‑@me ¡systems ¡ • Reac@vity ¡ • Powerful ¡query ¡ • Fine-­‑grained ¡ languages ¡ informa@on ¡access ¡ • Rich ¡ontology ¡ • Modeling ¡complex ¡ languages ¡ applica@on ¡domains ¡ ¡ ¡ ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-­‑ ¡Stream ¡Reasoning ¡ 5 ¡

  6. Motivation Are DSMS/CEP ready to address them? Typical ¡Requirements ¡ DSMS/CEP ¡ • Processing ¡Streams ¡ • Con@nuous ¡seman@cs ¡ • Large ¡datasets ¡ • Scalable ¡processing ¡ • Reac@vity ¡ • Real-­‑@me ¡systems ¡ • Fine-­‑grained ¡ • Powerful ¡query ¡ informa@on ¡access ¡ languages ¡ • Modeling ¡complex ¡ • Rich ¡ontology ¡ applica@on ¡domains ¡ ¡ languages ¡ ¡ ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-­‑ ¡Stream ¡Reasoning ¡ 6 ¡

  7. Motivation ¡ Is Semantic Web ready to address them? • The Semantic Web, the Web of Data is doing fine • RDF, RDF Schema, SPARQL, OWL, RIF • well understood theory, • rapid increase in scalability • BUT it pretends that the world is static or at best a low change rate both in change-volume and change-frequency • ontology versioning • belief revision • time stamps on named graphs • It sticks to the traditional one-time semantics Stream ¡& ¡Complex ¡Event ¡Processing ¡-­‑ ¡Stream ¡Reasoning ¡ 7 ¡

  8. Motivation New Requirements à New Challenges Typical ¡Requirements ¡ Seman>c ¡Web ¡ • Processing ¡Streams ¡ • Con@nuous ¡seman@cs ¡ • Large ¡datasets ¡ • Scalable ¡processing ¡ • Reac@vity ¡ • Real-­‑@me ¡systems ¡ • Fine-­‑grained ¡ • Powerful ¡query ¡ informa@on ¡access ¡ languages ¡ • Modeling ¡complex ¡ • Rich ¡ontology ¡ applica@on ¡domains ¡ ¡ languages ¡ ¡ ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-­‑ ¡Stream ¡Reasoning ¡ 8 ¡

  9. Motivation New Requirements call for Stream Reasoning Typical ¡Requirements ¡ ¡ • Processing ¡Streams ¡ • Con@nuous ¡seman@cs ¡ • Large ¡datasets ¡ • Scalable ¡processing ¡ • Reac@vity ¡ • Real-­‑@me ¡systems ¡ • Fine-­‑grained ¡ • Powerful ¡query ¡ informa@on ¡access ¡ languages ¡ • Modeling ¡complex ¡ • Rich ¡ontology ¡ applica@on ¡domains ¡ ¡ languages ¡ ¡ Stream Reasoning ¡ ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-­‑ ¡Stream ¡Reasoning ¡ 9 ¡

  10. Concept Stream Reasoning Definition [IEEE-IS2010] • Making sense • in real time • of multiple , heterogeneous , gigantic and inevitably noisy data streams • in order to support the decision process of extremely large numbers of concurrent user ¡ • Note: ¡making ¡sense ¡of ¡streams ¡necessarily ¡requires ¡processing ¡them ¡against ¡ rich ¡background ¡knowledge, ¡ an ¡unsolved ¡problem ¡in ¡database ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-­‑ ¡Stream ¡Reasoning ¡ 10 ¡

  11. Introduction Fitting data streams in the Semantic Web architecture Virtual ¡ ¡ Con@nuous ¡SPARQL ¡ RDF ¡stream ¡ service ¡ RDF-­‑ ¡ DSMS/CEP ¡ adapter ¡ mapping ¡ DSMS/CEP ¡ ¡ Exis@ng ¡ data ¡model ¡ DSMS/CEP ¡ ¡ [source ¡ ¡hhp://www.w3.org/DesignIssues/diagrams/sw-­‑double-­‑bus.png ¡] ¡

  12. Concept Research Challenges • Rela@on ¡with ¡DSMSs ¡and ¡CEPs ¡ • Just ¡as ¡RDF ¡relates ¡to ¡data-­‑base ¡systems? ¡ • Data ¡types ¡and ¡query ¡languages ¡for ¡seman@c ¡streams ¡ • Just ¡RDF ¡and ¡SPARQL ¡but ¡with ¡con@nuous ¡seman@cs? ¡ • Reasoning ¡on ¡Streams ¡ • Theory ¡ • Efficiency ¡ • Scalability ¡ • Dealing ¡with ¡incomplete ¡& ¡noisy ¡data ¡ • Even ¡more ¡than ¡on ¡the ¡current ¡Web ¡of ¡Data ¡ • Distributed ¡and ¡parallel ¡processing ¡ • Streams ¡are ¡parallel ¡in ¡nature, ¡… ¡ ¡ • Engineering ¡Stream ¡Reasoning ¡Applica@ons ¡ • Development ¡Environment ¡ • Integra@on ¡with ¡other ¡technologies ¡ • Benchmarks ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-­‑ ¡Stream ¡Reasoning ¡ 12 ¡

  13. Running Example Social Media Analytics in BOTTARI [JWS2012] http://streamreasoning.org/demos/bottari Stream ¡& ¡Complex ¡Event ¡Processing ¡-­‑ ¡Stream ¡Reasoning ¡ 13 ¡

  14. Running Example Data Model Used in BOTTARI ¡ sr:following ¡ sr:follower ¡ sioc:UserAccount ¡ sr:TwiherUser ¡ sioc:id(xsd:string) ¡ sr:screenName(xsd:string) ¡ twd:post ¡ sr:retweet ¡ sioc:creator_of ¡ sioc:has_creator ¡ twd:discuss ¡ sr:reply ¡ sr:Tweet ¡ sioc:Post ¡ sr:messageID(xsd:string) ¡ sioc:content(xsd:string) ¡ sr:messageTimeStamp(xsd:string) ¡ sr:talksAboutPosi@vely ¡ sr:talksAbout ¡ sr:talksAboutNeutrally ¡ sr:talksAboutNega@vely ¡ geo:Spa@alThing ¡ sr:NamedPlace ¡ geo:lat ¡(xsd:float) geo:long(xsd:float) ¡ Stream ¡& ¡Complex ¡Event ¡Processing ¡-­‑ ¡Stream ¡Reasoning ¡ 14 ¡

  15. Running Example Streaming vs. Background Information User related background knowledge data stream Point of Interest related background knowledge Stream ¡& ¡Complex ¡Event ¡Processing ¡-­‑ ¡Stream ¡Reasoning ¡ 15 ¡

Recommend


More recommend