Le document présente un tutoriel sur l'analyse des flots d'événements, en utilisant Esper pour permettre aux habitants d'une ville intelligente de recevoir des notifications basées sur des événements pertinents à leurs besoins. Il décrit des concepts tels que la production et la consommation d'événements, les types d'événements, et présente des requêtes d'exemple pour détecter des actions spécifiques. La conclusion indique que le prochain focus sera sur la distribution de l'analyse des flux d'événements sur plusieurs machines.

1. ANALYSE DES FLOTS
D’ÉVÉNEMENTS: TUTORIEL
ESPER
Par Epal Njamen Orléant, epaln@imag.fr
Master 2 Informatique

2. Plan
 Contexte et motivations
 scénario
 Implantation
 Installationdes outils
 Présentation de l’implantation du scénario
 Application

3. La notion d’événement
 Quelque chose qui s’est produit à un certain
instant
 Achat d’un article
 Fermeture d’une porte
 Accident de la circulation
 Changement climatique
 Notification d’un capteur
 etc...

4. Communication à base
d’événements
 Style de
communication basé
sur la production et la
réception
d’événements
(publish/subscribe)
 Producteurs
 composants applicatifs
produisant des
événements (publish)
 Consommateurs
 composants applicatifs
intéressés en la
réception de certains
événements
(subscribe)

5. Scénario: ville intelligente
 On désire permettre aux
habitants d’une ville de se
déplacer en restant informés
sur la façon dont la ville
évolue.
 Plus précisément, donner la
possibilité aux habitants
d’être notifiés de certaines
situations intéressantes et
utiles à leur existence:
 offres d’article en solde
 état du trafic routier
 zones à faible degré de
violence
 etc…

6. Scénario: ville intelligente (2)
 Le type d’information que chacun veut recevoir dépend
de ses préférences et ses besoins pendant des périodes
spécifiques…
Je souhaite recevoir des informations
sur le trafic chaque soir entre 17h et
19h, en semaine
Pour le weekend, les offres de cinéma
et des rassemblements artistiques.
Quand je me déplace, j’aimerai savoir
le degré de violence des quartiers que
je traverse.

7. La notion de type d’événement
 Représente une classe d’événements de même
caractéristiques
 Ex: TraficEvent (long timestamp, String roadName, String
state )
 Un événement est donc une instance d’un type
d’événement
 t(52344945, "Av. J O", "fluide" )

8. Type d’Evénement simple,
complexe,
 Evénement simple
 représente une situation atomique directement signalée
par un producteur.
 Evénement complexe ou composite
 Événement qui est une abstraction d’autres événements,
appelés membres
 Tsunami: abstraction de plusieurs événements naturels…
 Crash d’un avion: abstraction de plusieurs pannes du système
de contrôle
 Bug de l’an 2000: abstraction du crash de plusieurs systèmes
informatiques, dus au passage à l’année 2000
 Il est crée en combinant des événements de base, en
utilisant des opérateurs de composition spécifiques tel que
l’agrégation, conjonction, disjonction, séquence, etc…

9. Composition d’événements dans la
ville
 Une infrastructure à base
d’événements, devant
interconnecter dans un style
producteurs/consommateurs
(publish/subscribe) les habitants
et les sources de données:
 Sources de données
(producteurs): génèrent les flux
d’événements
 Service Météo => données
météorologiques
 Service Routier => info trafic,
incidents, etc…
 Service Sécurité => infos sur les
actes de vandalisme dans les rues
 Service Calendrier => jours fériés,
dates importantes, etc…
 Service Annonces => mises en
vente, publicités, artistique,
cinéma, etc…
 Les habitants (consommateurs):
spécifient la nature des
informations qu’ils désirent
recevoir.

10. Solutions existantes
 Esper [1], Stream [2], StreamBase [3],
StreamInSight [4]
 Principales fonctionnalités offertes
 Agrégation: avg, count, sum
 Corrélation : followed by, and, or, not
A => (B or C)
 A and (not B)
 Filtrage: Type et attributs
 ActionEvent (user="toto", action="exit")

11. Tutoriel Esper
 Un système centralisé d’analyse de flux
d’événements
 Langages cibles
 Java: Esper
 .NET: NEsper
 Open source, téléchargeable gratuitement
 JDK 1.5 ou version supérieure
 Langage proche du sql, l’EPL
 Permet de spécifier des requêtes complexes
 Modèle d’analyse en continue des requêtes
 Site principal: http://esper.codehaus.org/

12. Types d’événements sous
Esper
 3 représentations:
 java.lang.Object: POJO avec getters et setters…
 java.util.Map: paires clé-valeur
 org.w3c.dom.Node: xml DOM
 Des adaptateurs permettant la prise en
compte des flux CSV, JMS, HTTP

13. Exemple: classe Java
public class SellEvent {
private String item;
private String description;
private double price;
public SellEvent() {
}
/*
* ainsi que les getteurs et setteurs…
*/
}

14. Production des événements
 Avertissement au préalable du type d’événement:
EPServiceProvider cep=EPServiceProviderManager.getProvider();
cep.getEPAdministrator().
getConfiguration().addEventType("SellEvent",
SellEvent.class.getName());
 Production proprement dite:
SellEvent event=new SellEvent();
event.setItem("iPhone 4 S");
event.setDescription("version 16 Go");
event.setPrice(400);
event.setTimestamp(System.currentTimeMillis());
cep.getEPRuntime().send(event);

15. Formulation d’une requête
 Détection des articles en solde: le prix a chuté
de 50% par rapport au prix initial au cours du
même mois…
select a.item as item, a.price as oldprice, b.price as
price, a.description as description
from pattern [
every-distinct(a.item) a=SellEvent ->
every b=SellEvent(item=a.item, price< (a.price*0.5))
].win:time(1 month)

16. Définition d’un consommateur
 Association requête-consommateur
cepStatement = CEPManager.getInstance().getCepAdm().createEPL(query);
cepStatement.addListener(new SoldeListener());
 Code du consommateur
public class SoldeListener implements UpdateListener {
public void update(EventBean[] ebs, EventBean[] ebs1) {
EventBean o = ebs[0];
double price = (Double) o.get("price");
double oldprice = (Double) o.get("oldprice");
String item = (String) o.get("item");
String descr = (String) o.get("description");
// traitement…
}
}

17. Implantation et exécution du
scénario
 Le projet démo:
 Un exécutable java
 Producteurs d’événements simples
 Création automatique d’un consommateur pour
chaque requête fournie dans le fichier
custom_query.txt

18. Dans le fichier custom_query.txt
 Requête 1: soldes…
 requête 2: détection de l’absence de vandalisme dans la ville de Grenoble
lors de la dernière minute
@Name('custom2')
select * from pattern
[every ( timer:interval(1 min) and not PoliceEvent(city='grenoble'))]
 requête 3: détection des offres de loisir (artistique, cinéma) dans la ville de
Grenoble les weekends et les jours fériés
@Name ('custom3')
select e.type, e.city, e.title, e.description
from pattern [ every (
( CalendarEvent(state='férié chomé') or timer:at (*,*,*,*,*/6,*) )
-> e=PubEvent (type in ('Cinema', 'Artistique') )
)
].win:time(1 day)|e.type, e.city, e.title, e.description

19. Exécution
 Visualisation du projet sous eclipse
 $> java –jar scenarioTest.jar

20. Conclusion
 Nous avons présenté la notion d’analyse des flux
d’événements, et à travers un scénario, nous
avons pu expérimenter ces notions en utilisant
Esper [1].
 Dans la prochaine présentation, nous nous
attaquerons à la problématique qui consiste à
distribuer le processus d’analyse sur plusieurs
machines.
 Nous illustrerons les principaux défis, et nous
présenterons une approche pour la distribution
 TAF
 Spécifier un service composition distribuée des flux
d’événements
 Implémentation et validation ?

21. References
 [1] Esper, http://esper.codehaus.org/
 [2] Stream,
http://infolab.stanford.edu/stream/code/user.pdf
 [3] StreamInsight, http://msdn.microsoft.com/en-
us/library/ee362541.aspx
 [4] StreamBase, http://www.streambase.com/

22. Merci pour votre aimable
attention !