事件處理是一種跟蹤和分析（處理）有關發生的事物（事件）的信息（數據）流的方法，并從中得出結論。復雜事件處理（CEP）由1990年代初期開發的一組概念和技術組成，用于處理實時事件并在事件流到達時從事件流中提取信息。復雜事件處理的目標是在實時情況下識別有意義的事件（例如機會或威脅），并盡快對其做出響應。

這些事件可能發生在組織的各個層面上，如銷售線索，訂單或客戶服務電話。或者，它們可能是新聞、短信、社交媒體帖子，股市供稿，交通報告，天氣報告或其他類型的數據。當測量超過時間，溫度或其他值的預定義閾值時，事件也可以定義為“狀態變化”。

分析人士建議，CEP將為組織提供一種新的方式來實時分析模式，并幫助企業與IT和服務部門更好地進行溝通。此后，CEP已成為許多系統中的使能技術，這些系統用于響應事件的傳入而立即采取行動。現在（2018年）在許多業務領域中找到了應用程序，包括股票交易系統、移動設備、互聯網運營、欺詐檢測、運輸行業和政府情報收集。

在數千個傳入事件中，xxx系統可能例如從同一來源接收以下三個事件：

1. 教堂的鐘聲響了。
2. 一個穿著燕尾服的男人和一個穿著飄逸的白色禮服的女人的外觀。
3. 大米在空中飛舞。

根據這些事件，xxx系統可以推斷出一個復雜的事件：一場婚禮。CEP作為一種技術，可以通過分析和關聯其他事件來幫助發現復雜事件：鐘聲，穿著婚禮的男人和女人以及空中飛舞的稻米。

CEP依靠多種技術，包括：

• 事件模式檢測
• 事件抽象
• 事件過濾
• 事件匯總和轉換
• 建模事件層次結構
• 檢測事件之間的關系（例如因果關系，成員關系或時間）
• 抽象事件驅動的流程

CEP的商業應用存在于許多行業中，包括算法股票交易、信用卡欺詐的檢測，業務活動監控和安全監控。

CEP用于運營情報（OI）產品中，可通過針對實時供稿和事件數據運行查詢分析來提供對業務運營的洞察。OI收集實時數據并將其與歷史數據相關聯以提供洞察力和分析。可以組合多個數據源，以提供使用當前信息的通用操作畫面。

在網絡管理，系統管理，應用程序管理和服務管理中，人們通常改為引用事件關聯。作為CEP引擎，事件相關引擎（事件相關器）分析大量事件，查明最重要的事件并觸發動作。但是，它們中的大多數不會產生新的推斷事件。相反，它們將高級事件與低級事件相關聯。

推理引擎（例如基于規則的推理引擎）通常會在人工智能中生成推斷的信息。但是，它們通常不會以復雜（即推斷）事件的形式產生新信息。

CEP的一個更系統的示例涉及汽車，一些傳感器以及各種事件和反應。想象一下，汽車有多個傳感器-一個用于測量輪胎壓力，一個用于測量速度的傳感器，以及一個用于檢測是否有人坐在座椅上或離開座椅的傳感器。

在xxx種情況下，汽車在行駛，其中一個輪胎的壓力在15分鐘內從45?psi升高到41 psi。隨著輪胎中壓力的降低，會產生一系列包含輪胎壓力的事件。此外，還會生成一系列包含汽車速度的事件。汽車的事件處理器可能會檢測到這樣一種情況，即在相對較長的時間內輪胎壓力損失導致“ lossOfTirePressure”事件的創建。此新事件可能會觸發反應過程，以將壓力損失記錄到汽車的維護日志中，并通過汽車的門戶向駕駛員警告輪胎壓力已降低。

在第二種情況下，汽車在行駛，其中一個輪胎的壓力在5秒鐘內從45 psi降至20 psi。檢測到不同的情況-可能是因為壓力損失發生的時間較短，或者可能是每個事件之間的值差都大于預定義的極限。不同的情況導致生成新事件“ blowOutTire”。這個新事件觸發了不同的反應過程，以立即警告駕駛員并啟動車載計算機程序，以幫助駕駛員使汽車停下來，而不會由于打滑而失去控制。

另外，代表檢測到的情況的事件也可以與其他事件組合，以檢測更復雜的情況。例如，在最終情況下，汽車正常行駛并遭受輪胎吹氣，這導致汽車離開道路撞到樹木，駕駛員被甩出汽車。快速檢測出一系列不同的情況。在很短的時間內結合使用“ blowOutTire”、“ zeroSpeed”和“ driverLeftSeat”會導致檢測到新情況：“ occupantThrownAccident”。即使沒有直接測量可以最終確定駕駛員被拋出或發生事故的直接測量，事件的組合也可以檢測到情況，并創建一個新事件來表示檢測到的情況。這是復雜（或復合）事件的本質。這很復雜，因為無法直接檢測到這種情況。必須從其他事件的組合中推斷或推斷出這種情況已經發生。

CEP很自然地適合業務流程管理（BPM）。BPM專注于端到端業務流程，以便不斷優化和調整其運營環境。

但是，業務的優化并不僅僅依賴于其單獨的端到端流程。看似完全不同的過程可能會互相影響。考慮以下情況：在航空航天工業中，優良作法是xxx車輛的故障以尋找趨勢（確定制造過程、材料等中的潛在弱點）。另一個單獨的過程xxx當前運行的車輛的生命周期，并在適當時停用它們。CEP的一種用途是將這些獨立的過程鏈接在一起，這樣，在初始過程（故障監控）發現基于金屬疲勞（重大事件）的故障的情況下，可以采取措施來利用第二個過程（生命周期） 對使用在最初過程中發現有問題的同一批金屬的車輛進行召回。

CEP和BPM的集成必須存在于兩個層次上，即在業務意識級別（用戶必須了解其各個流程的潛在整體收益）和技術級別（需要一種CEP可以與之交互的方法）。 BPM實施）。有關CEP與BPM集成的最新技術綜述，通常將其標記為事件驅動的業務流程管理。

可以將面向計算的CEP的角色與業務規則技術重疊。

例如，客戶服務中心正在使用CEP進行點擊流分析和客戶體驗管理。CEP軟件可以將每秒數百萬個事件（點擊或其他互動）的實時信息納入商業智能和其他決策支持應用程序。這些“推薦應用程序”可幫助代理根據每個客戶的經驗提供個性化服務。CEP應用程序可能會收集有關電話上的客戶當前正在做的事情，或者客戶最近如何通過分支機構等其他各種渠道與公司進行互動的數據，包括通過分支機構或通過自助服務功能，即時消息傳遞和電子郵件在Web上。然后，該應用程序分析整個客戶體驗，并推薦腳本或下一步步驟，以指導電話上的座席，并希望使客戶滿意。

金融服務業是CEP技術的較早采用者，它使用復雜的事件處理來構造和上下文化可用數據，以便它可以通過識別表明交易者（或自動交易系統）應購買的機會或威脅來告知交易行為，尤其是算法交易。或出售。例如，如果交易者想要跟蹤具有五個上升運動然后跟隨四個下降運動的股票，則CEP技術可以跟蹤此類事件。CEP技術還可以跟蹤交易數量的急劇上升和下降。算法交易已經是股票交易中的一種慣例。據估計，在美國大約60％的股權交易是通過算法交易進行的。預計CEP將繼續幫助金融機構改善其算法并提高效率。

CEP技術的最新改進使其價格更便宜，從而幫助較小的公司創建自己的交易算法并與較大的公司競爭。CEP已從新興技術發展成為許多資本市場的重要平臺。該技術最穩定的增長是銀行業務、欺詐檢測、在線銀行業務和多渠道營銷計劃。

如今，各種各樣的金融應用程序都使用CEP，包括利潤、虧損和風險管理系統、訂單和流動性分析，定量交易和信號生成系統等。

一時間序列數據庫是由時間組織的數據的處理進行了優化的軟件系統。時間序列是數據項的有限或無限序列，其中每個項目都有一個關聯的時間戳，并且時間戳序列是不遞減的。時間序列的元素通常稱為刻度。時間戳不需要遞增（僅非遞減），因為在實踐中，某些系統（例如財務數據源）的時間分辨率可能非常低（毫秒、微秒甚至是納秒），因此連續事件可能帶有相等的時間戳。

時間序列數據為通常與復雜事件處理相關的分析提供了歷史背景。這可以適用于任何垂直行業，例如金融，也可以與其他技術（例如BPM）合作。

考慮一下在金融中需要了解歷史價格波動以確定未來價格變動的統計閾值的情況。這對于貿易模型和交易成本分析都是有幫助的。

CEP分析的理想情況是將歷史時間序列和實時流數據視為單個時間連續體。昨天，上周或上個月發生的事情只是今天發生的事情以及將來可能發生的事情的延伸。一個示例可能涉及將當前市場交易量與歷史交易量，價格和波動率進行比較，以進行交易執行邏輯。或者需要對實時市場價格采取行動可能涉及與基準進行比較，其中包括行業和指數走勢，其日內和歷史趨勢衡量波動性和離群值。

復雜事件處理是物聯網（IoT）設置和智能網絡物理系統（CPS）的關鍵推動力。在這種情況下，處理來自各種傳感器的密集流和異構流以及針對這些流的匹配模式是典型的任務。這些技術中的大多數依賴于這樣一個事實，即以數據流的形式表示物聯網系統的狀態及其變化更為有效，而不是具有靜態的物化模型。通過這種基于流的模型進行推理與傳統推理技術從根本上有所不同，并且通常需要將模型轉換和CEP?相結合。