Information-centric Networking (ICN) is an emerging Internet architecture that offers promising features, such as in-network caching and named data addressing, to support the edge computing paradigm, in particular Internet-of-Things (IoT) applications. ICN can benefit from Complex Event Processing (CEP), which is an in-network processing paradigm to specify and perform efficient query operations on data streams. However, integrating CEP into ICN is a challenging task due to the following reasons: (1) typical ICN architectures do not provide support for forwarding and processing continuous data streams; (2) IoT applications often need short response times and require robust event detection, which both are hard to accomplish using existing CEP systems. In this article, we present a novel network architecture, called \system, for efficient CEP-based in-network processing as part of \ac{ICN}. \system enables efficient data processing in ICN by means of (1) a unified communication model that supports continuous data streams, (2) a meta query language for CEP to specify data processing operations in the data plane, and (3) query processing algorithms to resolve the specified operations. Our experimental results for two IoT use cases and datasets show that \system offers very short response times of up to $73 \mu s$ under high workload and is more than $15 \times$ faster in terms of forwarding events than the state-of-the-art CEP system Flink. Furthermore, the delivery and processing of complex queries is around $32\times$ faster than Flink and more than $100\times$ faster than a naive pull-based reference approach, while maintaining $100\%$ accuracy.


翻译:以信息为中心的网络(ICN)是一个新兴的互联网结构,它提供了前景光明的功能,例如网络内缓存和命名的数据处理,以支持边缘计算模式,特别是TH(IoT)应用程序。ICN可以受益于复杂事件处理(CEP),这是一个网络内处理模式,可以对数据流进行具体化和高效的查询操作。然而,将CEP纳入ICN是一项具有挑战性的任务,其原因如下:(1) 典型ICN架构不支持发送和处理不断的数据流;(2) IoT应用程序往往需要较短的反应时间,需要强有力的事件探测,而这两者都很难利用现有的CEP系统完成。在文章中,我们提出了一个新的网络结构,称为系统,作为\ac{ICN}的一部分,高效的CEPEP网络内部处理(CEP)处理。由于以下原因,将CEP纳入ICN的高效数据处理是一项具有挑战性的任务:(1) 一个支持连续数据流的统一通信模式,(2) CEB的元查询语言,用于指定数据平流的数据处理业务,以及3 查询算算算算算算算方法,用以解决规定的操作,而不能用现有的CEBEBRLLLLLLLLLLLLR的交付的交付中,而不能在高时间中,而使IM的交付的交付的交付中,而使IMLLLLLLLLLLLLLL的交付的交付的交付量在两个运行中,在超过R的交付量中,在运行中,在高时段次中,在运行中,在运行中,在运行中,在运行。我们的实验结果能够显示比在两次中,在两个中,在高时中,在运行。

0
下载
关闭预览

相关内容

CEP是一种比较新的企业架构(EA,Enterprise Architure)组件。CEP将数据看做一种数据流,基于规则引擎对业务过程中持续产生的各种事件进行复杂的处理,能够实现对连续数据的快速分析处理。可以应用在多种业务场景,如风险分析、程序化交易等。
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
74+阅读 · 2020年8月2日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
108+阅读 · 2020年5月3日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
31+阅读 · 2019年10月17日
开源书:PyTorch深度学习起步
专知会员服务
51+阅读 · 2019年10月11日
MIT新书《强化学习与最优控制》
专知会员服务
279+阅读 · 2019年10月9日
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
10+阅读 · 2019年1月29日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
人工智能类 | 国际会议/SCI期刊专刊信息9条
Call4Papers
4+阅读 · 2018年7月10日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
人工智能 | 国际会议截稿信息5条
Call4Papers
6+阅读 · 2017年11月22日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Energy-Harvesting Distributed Machine Learning
Arxiv
0+阅读 · 2021年2月10日
Arxiv
35+阅读 · 2019年11月7日
A Graph Auto-Encoder for Attributed Network Embedding
VIP会员
相关资讯
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
10+阅读 · 2019年1月29日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
人工智能类 | 国际会议/SCI期刊专刊信息9条
Call4Papers
4+阅读 · 2018年7月10日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
人工智能 | 国际会议截稿信息5条
Call4Papers
6+阅读 · 2017年11月22日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员