http://dl.gi.de/handle/20.500.12116/21081 Thu, 23 Jul 2026 19:10:55 GMT 2026-07-23T19:10:55Z http://dl.gi.de:80/bitstream/id/26d62f3a-d7e8-4fee-8038-0d4987908d21/ http://dl.gi.de/handle/20.500.12116/21081 http://dl.gi.de/handle/20.500.12116/19631 Flexible and efficient sensor data processing – A hybrid approach Busemann, Claas; Kuka, Christian; Nicklas, Daniela; Boll, Susanne Härder, Theo; Lehner, Wolfgang; Mitschang, Bernhard; Schöning, Harald; Schwarz, Holger The integration of various sensor data into existing software systems is becoming increasingly important for companies and even private users. As the number of embedded devices of all sorts (sensors, mobile phones, cameras etc.) also constantly increases, the development of flexible sensor applications gets more and more difficult. These applications have to handle a large number of sensors transmitting their data in various formats using different protocols. Middleware technologies are a good way to hide the complexity of communication protocols and data processing from the application. However, integrating efficient sensor data processing into a middleware requires several design choices which depend on the planned applications. Usually such systems are either efficient, allowing the processing of large numbers of data streams, or flexible, allowing the easy modification of the processing during runtime. In this paper a hybrid approach is introduced combining the benefits of two popular processing technologies, Service Oriented Architectures (SOA) and Data Stream Management Systems (DSMS), and by that enable the processing of large numbers of data streams while at the same time the system can be flexibly modified. Therefore these two technologies are analyzed to identify the benefits and disadvantages depending on their flexibility and efficiency. Sat, 01 Jan 2011 00:00:00 GMT http://dl.gi.de/handle/20.500.12116/19631 2011-01-01T00:00:00Z http://dl.gi.de/handle/20.500.12116/19628 PigSPARQL: Übersetzung von SPARQL nach Pig Latin Schätzle, Alexander; Przyjaciel-Zablocki, Martin; Hornung, Thomas; Lausen, Georg Härder, Theo; Lehner, Wolfgang; Mitschang, Bernhard; Schöning, Harald; Schwarz, Holger Dieser Beitrag untersucht die effiziente Auswertung von SPARQL- Anfragen auf großen RDF-Datensätzen. Zum Einsatz kommt hierfür das Apache Hadoop Framework, eine bekannte Open-Source Implementierung von Google's MapReduce, das massiv parallelisierte Berechnungen auf einem verteilten System ermöglicht. Zur Auswertung von SPARQL-Anfragen mit Hadoop wird in diesem Beitrag PigSPARQL, eine Übersetzung von SPARQL nach Pig Latin, vorgestellt. Pig Latin ist eine von Yahoo! Research entworfene Sprache zur verteilten Analyse von großen Datensätzen. Pig, die Implementierung von Pig Latin für Hadoop, übersetzt ein Pig Latin-Programm in eine Folge von MapReduce-Jobs, die anschließend auf einem Hadoop-Cluster ausgeführt werden. Die Evaluation von PigSPARQL anhand eines SPARQL spezifischen Benchmarks zeigt, dass der gewählte Ansatz eine effiziente Auswertung von SPARQL-Anfragen mit Hadoop ermöglicht. Sat, 01 Jan 2011 00:00:00 GMT http://dl.gi.de/handle/20.500.12116/19628 2011-01-01T00:00:00Z http://dl.gi.de/handle/20.500.12116/19630 Tracking hot-k items over web 2.0 streams Haghani, Parisa; Michel, Sebastian; Aberer, Karl Härder, Theo; Lehner, Wolfgang; Mitschang, Bernhard; Schöning, Harald; Schwarz, Holger The rise of the Web 2.0 has made content publishing easier than ever. Yesterday's passive consumers are now active users who generate and contribute new data to the web at an immense rate. We consider evaluating data driven aggregation queries which arise in Web 2.0 applications. In this context, each user action is interpreted as an event in a corresponding stream e.g., a particular weblog feed, or a photo stream. The presented approach continuously tracks the most popular tags attached to the incoming items and based on this, constructs a dynamic top-k query. By continuous evaluation of this query on the incoming stream, we are able to retrieve the currently hottest items. To limit the query processing cost, we propose to pre-aggregate index lists for parts of the query which are later on used to construct the full query result. As it is prohibitively expensive to materialize lists for all possible combinations, we select those tag sets that are most beneficial for the expected performance gain, based on predictions leveraging traditional FM sketches. To demonstrate the suitability of our approach, we perform a performance evaluation using a real-world dataset obtained from a weblog crawl. Sat, 01 Jan 2011 00:00:00 GMT http://dl.gi.de/handle/20.500.12116/19630 2011-01-01T00:00:00Z http://dl.gi.de/handle/20.500.12116/19629 Koordinierte zyklische Kontext-Aktualisierungen in Datenströmen Geesen, Dennis; Bolles, André; Grawunder, Marco; Jacobi, Jonas; Nicklas, Daniela; Appelrath H., Jürgen Härder, Theo; Lehner, Wolfgang; Mitschang, Bernhard; Schöning, Harald; Schwarz, Holger Kontextsensitive Anwendungen benötigen ein möglichst exaktes Modell der Umgebung. Zur Ermittlung und regelmäßigen Aktualisierung dieses Kontextmodells werden typischerweise Sensordaten verwendet. Datenstrommanagementsysteme (DSMS) bilden die ideale Basis, um mit den durch die Sensoren generierten, potentiell unendlichen Datenströmen umzugehen. Leider bieten bisherige DSMS keine native Unterstützung für dynamische Kontextmodelle. Insbesondere die bei der Aktualisierung entstehenden Zyklen im Anfrageplan bedürfen einer besonderen Koordination, um Aktualität und Konsistenz des Kontextmodells zu gewährleisten. Diese Arbeit präsentiert eine Lösung, die einen Broker zur Koordination der verschiedenen Zugriffe auf das Kontextmodell als neuen Operator im DSMS einführt. Wir zeigen dazu eine semantische Beschreibung und eine abstrakte Implementierung des Brokers. Sat, 01 Jan 2011 00:00:00 GMT http://dl.gi.de/handle/20.500.12116/19629 2011-01-01T00:00:00Z