Lehrinhalte
In den letzten Jahren haben Fortschritte in der Hardwaretechnologie neue Möglichkeiten der kontinuierlichen Datenerfassung vereinfacht. In vielen Anwendungen, wie beispielsweise Netzwerküberwachung, ist das Volumen derartiger Daten so groß, dass es unmöglich ist, die Daten auf der Platte zu speichern. Weiterhin kann, selbst wenn die Daten gespeichert werden können, das Volumen der eingehenden Daten so groß sein, dass es unmöglich ist, einen bestimmten Datensatz mehr als einmal zu verarbeiten. Daher werden viele Datenbankoperationen und Datenanalysealgorithmen wie zum Beispiel Filterung, Indexierung, Klassifikation und Clustering in diesem Zusammenhang wesentlich anspruchsvoller.
Wir folgen dem nachstehenden Themenkatalog:
- Konzeptionelle Grundlagen/Terminologie von Datenstrommanagement, Einführung in Datenströme, Bespiele (Telefonnetze, Automobilelektronik,
Avionik, Verkehrsmanagement, Gebäudeüberwachung etc.)
- Basiskonzepte von technischen Informationssystemen, Modellierung von Datenströmen
- Stromquellen, Anforderungsstrukturierung, Anforderungen an Datenstrommanagementsystemen (DSMS)
- Referenzarchitektur von DSMS, Architekturmodellierung
- Modellierung der Funktionalität, Funktionsnetzwerk (Logische Architektur). Schnittstellenbeschreibung, Verhaltensmodellierung
- Fensterbasierte Verarbeitung von Datenströmen, tupelbasierte, zeitbasierte und wertebasierte Fenster (The Sliding-
Window Computation Model and Results)
- Synopsis-Konstruktion für Datenströme (Sampling, Wavelets, Sketches and Histograms)
- Filtering und Counting in Datenströmen
- Datenstromanalyse: Klassifikation und Clustering
- Datenstromverarbetung in Sensornetzen
- Modellierungsbeispiele (Automobilelektronik, Avionik)
- Prototypische Systeme (Aurora, STREAM, TelegraphCQ)
- Werkzeuge (Flink, Spark, Storm)
