Συντάχθηκε 30-10-2026 14:35
Ενημερώθηκε:
30-10-2026 14:41
Τόπος: https://tuc-gr.zoom.us/j/97088029203?pwd=BGREXqRoD3tYjvfiggbQNSaOUADmOu.1
Έναρξη: 03/11/2026 16:00
Λήξη: 03/11/2026 17:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Παναγιώτη Μπαράκου
με θέμα
Κατανεμημένη Παρακολούθηση Ροών
Distributed Functional Monitoring System
Εξεταστική Επιτροπή
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Mίνως Γαροφαλάκης (Σχολή ΗΜΜΥ)
Καθηγητής Αντώνιος Δεληγιαννάκης (Σχολή ΗΜΜΥ)
Περίληψη
Καθώς οι διαδικτυακές εφαρμογές παράγουν καθημερινά ολοένα αυξανόμενους όγκους δεδομένων, η ζήτηση για αποδοτικά πλαίσια επεξεργασίας ροών δεδομένων σε πραγματικό χρόνο συνεχίζει να αυξάνεται. Οι σύγχρονες εφαρμογές, από τις επιστήμες της ζωής έως τις χρηματοοικονομικές αγορές, οφείλουν να αναλύουν άμεσα (online) τεράστιες ροές δεδομένων υψηλής ταχύτητας, οι οποίες παράγονται όλο και συχνότερα από πολλές δικτυωμένες πηγές, συχνά σε γεωγραφικά διασκορπισμένες τοποθεσίες. Η αποστολή κάθε εγγραφής σε έναν κεντρικό κόμβο για την απάντηση ενός ερωτήματος επί της συνολικής ροής έχει ως αποτέλεσμα το κόστος επικοινωνίας να αυξάνεται με τον όγκο των δεδομένων· αντ' αυτού, τα δεδομένα θα πρέπει να φιλτράρονται και να συνοψίζονται σχεδόν σε πραγματικό χρόνο στην πηγή τους ή κοντά σε αυτήν. To πρωτόκολλο Functional Geometric Monitoring (FGM) εισάγει μια τεχνική για την αποδοτική εκτέλεση κατανεμημένης παρακολούθησης και έχει αποδείξει την ικανότητά του να ενσωματώνεται σε μεγάλα πλαίσια επεξεργασίας ροών. Στην παρούσα διπλωματική εργασία παρουσιάζουμε την υλοποίηση του FGM στο Apache Kafka Streams, μέσω μιας γενικής (generic) διεπαφής προγραμματισμού εφαρμογών (API) σε Java.
Abstract
As online applications generate ever-increasing volumes of data each day, the demand for efficient real time stream processing frameworks continues to rise. Modern applications, from the life sciences to the financial markets, must analyze massive, high-speed data streams online, and these streams are increasingly produced by many networked sources, often at geographically dispersed sites. Shipping every record to a central node to answer a query over the global stream makes the communication cost grow with the volume of the data; instead, the data should be filtered and summarized in near-real time at, or near, their source. Functional Geometric Monitoring introduces a technique on how to execute distributed monitoring efficiently and it has proved its ability to integrate with large stream processing frameworks. In this thesis we demonstrate the implementation of FGM on Apache Kafka Streams framework with a generic Java API.
Meeting ID: 970 8802 9203
Password: 884989
