{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2837191"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2837191","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Complex event processing on streaming sensor data using Esper and Storm","abstract":"Η συμβολή της ανάλυσης δεδομένων στην απόκτηση νέας γνώσης και στη διαδικασία λήψης αποφάσεων είναι ιδιαίτερα σημαντική. Ο μεγάλος πλέον όγκος των δεδομένων καθιστά αναγκαία τη διαδικασία της επεξεργασίας τους έτσι ώστε να παραχθεί χρήσιμη γνώση. Η εξόρυξη δεδομένων (data mining) είναι μία διαδικασία επιθεώρησης, καθαρισμού, μετατροπής και μοντελοποίησης δεδομένων με στόχο την ανακάλυψη χρήσιμων πληροφοριών, την υποβολή συμπερασμάτων και τη λήψη αποφάσεων. Η ανάλυση δεδομένων έχει πολλαπλές πτυχές και προσεγγίσεις, που περιλαμβάνουν ποικίλες τεχνικές με ποικίλα ονόματα, σε διαφορετικούς τομείς των επιχειρήσεων, της επιστήμης και της κοινωνικής επιστήμης. Η εξόρυξη δεδομένων είναι μια συγκεκριμένη τεχνική ανάλυσης δεδομένων που επικεντρώνεται στη μοντελοποίηση και την ανακάλυψη γνώσεων για λόγους πρόβλεψης και όχι για καθαρά περιγραφικούς σκοπούς. Στην παρούσα διπλωματική εργασία εξετάζεται η διαδικασία συλλογής και επεξεργασίας δεδομένων από αισθητήρες (sensors). Για τη διαδικασία αυτή, μιας και ο όγκος των προς επεξεργασία δεδομένων είναι μεγάλος, θα χρησιμοποιηθούν τεχνολογίες και πλαίσια λογισμικού (frameworks) σχεδιασμένα να επεξεργάζονται μεγάλα δεδομένα (big data) καθώς τα παραδοσιακά λογισμικά εφαρμογών επεξεργασίας δεδομένων είναι ανεπαρκή για την αντιμετώπισή τους. Οι μεγάλες προκλήσεις στον τομέα των δεδομένων περιλαμβάνουν τη συλλογή δεδομένων, την αποθήκευση δεδομένων, την ανάλυση δεδομένων, την αναζήτηση, την κοινή χρήση, την μεταφορά, την οπτικοποίηση, την ερώτηση, την ενημέρωση, την προστασία προσωπικών δεδομένων και την προέλευση δεδομένων. Με τη χρήση του λογισμικού Apache Storm πραγματοποιήθηκε αξιόπιστη επεξεργασία των ροών δεδομένων σε πραγματικό χρόνο. Επιπροσθέτως, εκτός από το προαναφερθέν πακέτο, χρησιμοποιήθηκε και το λογισμικό Esper με το οποίο αναλύθηκαν σειρές από συμβάντα με σκοπό την παραγωγή χρήσιμων συμπερασμάτων. Τα δεδομένα που χρησιμοποιήθηκαν στην εργασία αυτή είναι δεδομένα που αποκτήθηκαν με χρήση αισθητήρων. Η επεξεργασία αυτού του είδους δεδομένων μπορεί να πραγματοποιηθεί με δύο τρόπους: επεξεργασία παρτίδας (batch processing) και επεξεργασία ροής (stream processing).","abstract_html":"Η συμβολή της ανάλυσης δεδομένων στην απόκτηση νέας γνώσης και στη διαδικασία λήψης αποφάσεων είναι ιδιαίτερα σημαντική. Ο μεγάλος πλέον όγκος των δεδομένων καθιστά αναγκαία τη διαδικασία της επεξεργασίας τους έτσι ώστε να παραχθεί χρήσιμη γνώση. Η εξόρυξη δεδομένων (data mining) είναι μία διαδικασία επιθεώρησης, καθαρισμού, μετατροπής και μοντελοποίησης δεδομένων με στόχο την ανακάλυψη χρήσιμων πληροφοριών, την υποβολή συμπερασμάτων και τη λήψη αποφάσεων. Η ανάλυση δεδομένων έχει πολλαπλές πτυχές και προσεγγίσεις, που περιλαμβάνουν ποικίλες τεχνικές με ποικίλα ονόματα, σε διαφορετικούς τομείς των επιχειρήσεων, της επιστήμης και της κοινωνικής επιστήμης. Η εξόρυξη δεδομένων είναι μια συγκεκριμένη τεχνική ανάλυσης δεδομένων που επικεντρώνεται στη μοντελοποίηση και την ανακάλυψη γνώσεων για λόγους πρόβλεψης και όχι για καθαρά περιγραφικούς σκοπούς. Στην παρούσα διπλωματική εργασία εξετάζεται η διαδικασία συλλογής και επεξεργασίας δεδομένων από αισθητήρες (sensors). Για τη διαδικασία αυτή, μιας και ο όγκος των προς επεξεργασία δεδομένων είναι μεγάλος, θα χρησιμοποιηθούν τεχνολογίες και πλαίσια λογισμικού (frameworks) σχεδιασμένα να επεξεργάζονται μεγάλα δεδομένα (big data) καθώς τα παραδοσιακά λογισμικά εφαρμογών επεξεργασίας δεδομένων είναι ανεπαρκή για την αντιμετώπισή τους. Οι μεγάλες προκλήσεις στον τομέα των δεδομένων περιλαμβάνουν τη συλλογή δεδομένων, την αποθήκευση δεδομένων, την ανάλυση δεδομένων, την αναζήτηση, την κοινή χρήση, την μεταφορά, την οπτικοποίηση, την ερώτηση, την ενημέρωση, την προστασία προσωπικών δεδομένων και την προέλευση δεδομένων. Με τη χρήση του λογισμικού Apache Storm πραγματοποιήθηκε αξιόπιστη επεξεργασία των ροών δεδομένων σε πραγματικό χρόνο. Επιπροσθέτως, εκτός από το προαναφερθέν πακέτο, χρησιμοποιήθηκε και το λογισμικό Esper με το οποίο αναλύθηκαν σειρές από συμβάντα με σκοπό την παραγωγή χρήσιμων συμπερασμάτων. Τα δεδομένα που χρησιμοποιήθηκαν στην εργασία αυτή είναι δεδομένα που αποκτήθηκαν με χρήση αισθητήρων. Η επεξεργασία αυτού του είδους δεδομένων μπορεί να πραγματοποιηθεί με δύο τρόπους: επεξεργασία παρτίδας (batch processing) και επεξεργασία ροής (stream processing).","abstract_has_math":false,"creators":["Νομικού Σοφία","Γιαννούτσος Βασίλης","Nomikou Sofia","Giannoutsos Vasilis"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2018,"date_issued":"2018","date_published":"2018","updated_at":"2026-11-19T05:33:09Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2837191"],"render_values":[{"text":"uoadl:2837191","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2837191","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2837191","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2837191","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Νομικού Σοφία","Γιαννούτσος Βασίλης","Nomikou Sofia","Giannoutsos Vasilis"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2018"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2837191","https://pergamos.lib.uoa.gr/uoa/dl/object/2837191"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η συμβολή της ανάλυσης δεδομένων στην απόκτηση νέας γνώσης και στη διαδικασία λήψης αποφάσεων είναι ιδιαίτερα σημαντική. Ο μεγάλος πλέον όγκος των δεδομένων καθιστά αναγκαία τη διαδικασία της επεξεργασίας τους έτσι ώστε να παραχθεί χρήσιμη γνώση. Η εξόρυξη δεδομένων (data mining) είναι μία διαδικασία επιθεώρησης, καθαρισμού, μετατροπής και μοντελοποίησης δεδομένων με στόχο την ανακάλυψη χρήσιμων πληροφοριών, την υποβολή συμπερασμάτων και τη λήψη αποφάσεων. Η ανάλυση δεδομένων έχει πολλαπλές πτυχές και προσεγγίσεις, που περιλαμβάνουν ποικίλες τεχνικές με ποικίλα ονόματα, σε διαφορετικούς τομείς των επιχειρήσεων, της επιστήμης και της κοινωνικής επιστήμης. Η εξόρυξη δεδομένων είναι μια συγκεκριμένη τεχνική ανάλυσης δεδομένων που επικεντρώνεται στη μοντελοποίηση και την ανακάλυψη γνώσεων για λόγους πρόβλεψης και όχι για καθαρά περιγραφικούς σκοπούς. Στην παρούσα διπλωματική εργασία εξετάζεται η διαδικασία συλλογής και επεξεργασίας δεδομένων από αισθητήρες (sensors). Για τη διαδικασία αυτή, μιας και ο όγκος των προς επεξεργασία δεδομένων είναι μεγάλος, θα χρησιμοποιηθούν τεχνολογίες και πλαίσια λογισμικού (frameworks) σχεδιασμένα να επεξεργάζονται μεγάλα δεδομένα (big data) καθώς τα παραδοσιακά λογισμικά εφαρμογών επεξεργασίας δεδομένων είναι ανεπαρκή για την αντιμετώπισή τους. Οι μεγάλες προκλήσεις στον τομέα των δεδομένων περιλαμβάνουν τη συλλογή δεδομένων, την αποθήκευση δεδομένων, την ανάλυση δεδομένων, την αναζήτηση, την κοινή χρήση, την μεταφορά, την οπτικοποίηση, την ερώτηση, την ενημέρωση, την προστασία προσωπικών δεδομένων και την προέλευση δεδομένων. Με τη χρήση του λογισμικού Apache Storm πραγματοποιήθηκε αξιόπιστη επεξεργασία των ροών δεδομένων σε πραγματικό χρόνο. Επιπροσθέτως, εκτός από το προαναφερθέν πακέτο, χρησιμοποιήθηκε και το λογισμικό Esper με το οποίο αναλύθηκαν σειρές από συμβάντα με σκοπό την παραγωγή χρήσιμων συμπερασμάτων. Τα δεδομένα που χρησιμοποιήθηκαν στην εργασία αυτή είναι δεδομένα που αποκτήθηκαν με χρήση αισθητήρων. Η επεξεργασία αυτού του είδους δεδομένων μπορεί να πραγματοποιηθεί με δύο τρόπους: επεξεργασία παρτίδας (batch processing) και επεξεργασία ροής (stream processing).","The contribution of data analysis to the acquisition of new knowledge and the decision- making process is particularly important. The huge volume of data makes it necessary to process them in order to generate useful knowledge. Data mining is a process of inspecting, cleaning, transforming, and modeling data in order to discover useful information, draw conclusions and make decisions. Data analysis has multiple aspects and approaches, including varied techniques with varying names, in different business, science and social sciences. Data mining is a specific data analysis technique that focuses on modeling and discovery of knowledge for predictive purposes rather than for purely descriptive purposes. In this diploma thesis we examine the process of collecting and processing data from sensors. For this process, as the volume of data to be processed is large, technologies and frameworks designed to process large data will be used. Big data is data sets that are so bulky and complex that traditional data processing software is inadequate to deal with. Major data challenges include data collection, data storage, data analysis, search, sharing, transportation, visualization, questioning, updating, privacy and data origination. Apache Storm software has been reliably used in order to process the data in real time. Additionally, in addition to the aforementioned package, Esper software was also used to analyze series of events to produce useful conclusions. The data used in this work is data acquired using sensors. Processing this kind of data can be processed in two ways: batch processing and stream processing."]},{"key":"dc:title","label":"Title","values":["Complex event processing on streaming sensor data using Esper and Storm"]}]}],"canonical_facts":{"dc:creator":["Νομικού Σοφία","Γιαννούτσος Βασίλης","Nomikou Sofia","Giannoutsos Vasilis"],"dc:date":["2018"],"dc:description":["Η συμβολή της ανάλυσης δεδομένων στην απόκτηση νέας γνώσης και στη διαδικασία λήψης αποφάσεων είναι ιδιαίτερα σημαντική. Ο μεγάλος πλέον όγκος των δεδομένων καθιστά αναγκαία τη διαδικασία της επεξεργασίας τους έτσι ώστε να παραχθεί χρήσιμη γνώση. Η εξόρυξη δεδομένων (data mining) είναι μία διαδικασία επιθεώρησης, καθαρισμού, μετατροπής και μοντελοποίησης δεδομένων με στόχο την ανακάλυψη χρήσιμων πληροφοριών, την υποβολή συμπερασμάτων και τη λήψη αποφάσεων. Η ανάλυση δεδομένων έχει πολλαπλές πτυχές και προσεγγίσεις, που περιλαμβάνουν ποικίλες τεχνικές με ποικίλα ονόματα, σε διαφορετικούς τομείς των επιχειρήσεων, της επιστήμης και της κοινωνικής επιστήμης. Η εξόρυξη δεδομένων είναι μια συγκεκριμένη τεχνική ανάλυσης δεδομένων που επικεντρώνεται στη μοντελοποίηση και την ανακάλυψη γνώσεων για λόγους πρόβλεψης και όχι για καθαρά περιγραφικούς σκοπούς. Στην παρούσα διπλωματική εργασία εξετάζεται η διαδικασία συλλογής και επεξεργασίας δεδομένων από αισθητήρες (sensors). Για τη διαδικασία αυτή, μιας και ο όγκος των προς επεξεργασία δεδομένων είναι μεγάλος, θα χρησιμοποιηθούν τεχνολογίες και πλαίσια λογισμικού (frameworks) σχεδιασμένα να επεξεργάζονται μεγάλα δεδομένα (big data) καθώς τα παραδοσιακά λογισμικά εφαρμογών επεξεργασίας δεδομένων είναι ανεπαρκή για την αντιμετώπισή τους. Οι μεγάλες προκλήσεις στον τομέα των δεδομένων περιλαμβάνουν τη συλλογή δεδομένων, την αποθήκευση δεδομένων, την ανάλυση δεδομένων, την αναζήτηση, την κοινή χρήση, την μεταφορά, την οπτικοποίηση, την ερώτηση, την ενημέρωση, την προστασία προσωπικών δεδομένων και την προέλευση δεδομένων. Με τη χρήση του λογισμικού Apache Storm πραγματοποιήθηκε αξιόπιστη επεξεργασία των ροών δεδομένων σε πραγματικό χρόνο. Επιπροσθέτως, εκτός από το προαναφερθέν πακέτο, χρησιμοποιήθηκε και το λογισμικό Esper με το οποίο αναλύθηκαν σειρές από συμβάντα με σκοπό την παραγωγή χρήσιμων συμπερασμάτων. Τα δεδομένα που χρησιμοποιήθηκαν στην εργασία αυτή είναι δεδομένα που αποκτήθηκαν με χρήση αισθητήρων. Η επεξεργασία αυτού του είδους δεδομένων μπορεί να πραγματοποιηθεί με δύο τρόπους: επεξεργασία παρτίδας (batch processing) και επεξεργασία ροής (stream processing).","The contribution of data analysis to the acquisition of new knowledge and the decision- making process is particularly important. The huge volume of data makes it necessary to process them in order to generate useful knowledge. Data mining is a process of inspecting, cleaning, transforming, and modeling data in order to discover useful information, draw conclusions and make decisions. Data analysis has multiple aspects and approaches, including varied techniques with varying names, in different business, science and social sciences. Data mining is a specific data analysis technique that focuses on modeling and discovery of knowledge for predictive purposes rather than for purely descriptive purposes. In this diploma thesis we examine the process of collecting and processing data from sensors. For this process, as the volume of data to be processed is large, technologies and frameworks designed to process large data will be used. Big data is data sets that are so bulky and complex that traditional data processing software is inadequate to deal with. Major data challenges include data collection, data storage, data analysis, search, sharing, transportation, visualization, questioning, updating, privacy and data origination. Apache Storm software has been reliably used in order to process the data in real time. Additionally, in addition to the aforementioned package, Esper software was also used to analyze series of events to produce useful conclusions. The data used in this work is data acquired using sensors. Processing this kind of data can be processed in two ways: batch processing and stream processing."],"dc:identifier":["uoadl:2837191","https://pergamos.lib.uoa.gr/uoa/dl/object/2837191"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Complex event processing on streaming sensor data using Esper and Storm"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:33:09Z"}