基于Spark的并行分布式过程挖掘算法

来源：计算机集成制造系统杂志2019年第4期北京时间：

作者：胡小强,吴翾,闻立杰,王建民

单位：1.清华大学软件学院2.吉林大学计算机科学与技术学院

摘要：针对传统的过程发现算法对大规模事件日志挖掘效率低的问题,提出一种利用Spark集群进行加速过程挖掘的方法。该方法主要针对基于日志活动关系的过程挖掘算法,对抽取活动关系阶段进行加速。通过并行分布式抽取活动关系,将事件日志转化为活动关系矩阵。然后利用关系矩阵,按算法原本的后续步骤,挖掘出过程模型。利用Spark实现分布式α-Mine算法和分布式Flexible Heuristic Miner算法,结果表明:所提方法在时间消耗上优于目前最好的算法,挖掘效率明显提升。

关键词：过程挖掘算法,Spark集群,大数据,并行分布式化

基金资助：国家重点研发计划资助项目(2016YFB1001101);国家自然科学基金资助项目(61472207,71690231);工业大数据系统与应用北京市重点实验室资助项目;北京信息科学与技术国家研究中心资助项目。