Manapság egyre nagyobb térhódítása van az IoT (Internet of Things) eszközöknek, kü-lönféle szenzoroknak. Az élet szinte bármely területén találkozhatunk már a legkülönfé-lébb okos eszközökkel, melyek folyamatosan gyűjtik a környezetükből a különféle ada-tokat.
Sajnos problémát jelent a jelenlegi IoT (Internet of Things) eszközök által gyűjtött adatok hatékony feldolgozása, különböző érdekes események detektálása. A probléma miatt megjelent az igény az intelligens, eseményvezérelt architechtúrára épülő feldolgozó rendszerekre, ún komplex-esemény feldolgozókra (CEP). Komplex események feldolgo-zására több eszköz is megjelent az évek során, azonban ezek egymással való összehason-lítására nem sok információ áll rendelkezésre, ugyanis nem alakult ki a CEP-ről egy egy-séges mindenki által elfogadott formális leírás. A szakdolgozatban megvizsgálok konk-rét CEP rendszereket, és összehasonlítom azokat, különböző szempontok szerint, hogy felderítsem a leglényegesebb eltéréseket az egyes eszközökben.
Az összehasonlításom megközelítéséről összefoglalom az alapelveket, melyek so-rán az esettanulmányt kifejtem. Bemutatom a LeapMotion szenzort, melyet a keretrend-szerben felhasználtam, továbbá az egyes technológiákat, melyeket a szenzor és az egyes CEP rendszerek közti kommunikáció során alkalmaztam.
Ezt követően az alapvető nyelvi összehasonlítást fejtem ki, itt a különféle CEP feldolgozó rendszerek alapvető nyelvi alapelemeiről adok egy általános leírást, melyek megtalálhatóak minden tényleges implementációban. Továbbá szerepelni fog a különbö-ző temporális kifejezésekről egy részletező leírás.
Az esettanulmányban a Drools Fusion, Apache Flink, és a WSO2 eszközöket ha-sonlítom össze az integrációs és nyelvi szempontok szerint, kifejtve a felmerülő legzava-róbb problémákat.
A szakdolgozatot egy összegzéssel zárom le, melyben szót ejtek a téma további kutatási lehetőségeiről, az általam elvégzett munka tapasztalatairól.