随着计算机技术的飞速发展,网络应用系统中持续产生、传输和处理海量流数据。这些数据往往数据量大、类型多、流速快,且价值密度低。如何从大规模单体价值较低的数流据中获取高价值的信息,是大数据时代发展的关键。复杂事件处理是一种基于事件流的技术,它将数据抽象为不同类型的事件,通过过滤、关联、聚合等操作分析事件间的关系,最终由简单事件得到高级事件。由于相当多的流数据可抽象为事件流,对流数据的检测处理可抽象为复杂事件的检测处理,因此发展具有更强描述能力、更高检测效率的复杂事件检测方法,成为了解决大数据时代流数据处理问题的主要方法之一。对于复杂事件处理,强复杂事件描述能力和高复杂事件检测效率是一对矛盾。组成复杂事件的多个简单事件之间往往具有时序约束关系和结构约束关系,因此高级的事件模式应提供丰富的时序描述能力和结构约束关系,但也不可避免地增加了检测算法的复杂性;另外,快速达到的流数据更增加了计算资源和存储资源的开销。本研究通过利用计算机多核计算能力,提出了一种并行复杂事件检测方法CEDPRT,为解决上述问题提供了一种新的思路。该方法采用描述能力较强的正规树模式作为描述复杂事件检测请求的事件模式,使其既可以处理事件间具有结构约束的用户检测请求,又可以处理具有时序约束的请求,具有“强描述能力”;通过自动机和映射表方法,提出一个新颖完备的数据并行处理正规树模式匹配方法,使计算机的多核优势在海量流数据的处理中得到充分利用;通过树有序化操作,将匹配任务分解,实现任务并行与数据并行相结合处理正规树模式匹配,使方法处理检测速度提升,具有“高检测效率”。通过实验验证了CEDPRT方法的复杂事件描述能力和复杂事件检测效率,在大数据时代实际的流数据处理问题中,CEDPRT方法可使用户更高效地获取更深层次的信息。