进入21世纪,感知识别技术快速发展,以智能识别终端和传感器作为代表的信息自动生成设备已经开始大规模应用,并精确地对物理世界进行感知、监控和测量。一方面是信息世界的拓展需求,另一方面是物理世界的联网需求,二者碰撞孕育出一种新型网络——物联网。物联网其应用范围几乎覆盖了各行各业,物联网环境下的事件具有异构、分散、海量和不确定性等特征。同时全球数字世界的规模与日俱增,大数据时代来临。大型物联网便是与大数据技术相结合的物联网应用。作为物联网中间件的核心技术,复杂事件处理能够从连续数据流中快速提取和识别出有意义的信息。大型物联网环境下的概率复杂事件处理面临着许多挑战,如何高效的处理大量的输入事件流,如何准确的计算由不确定事件源导致的不确定性结果,是本文研究的重点。针对复杂事件处理的上述挑战,本文提出了用于解决概率复杂事件的CEP2U(Complex Event Processing under Uncertainty)模型,并在此基础上提出了基于规则划分(Rule partition)的分布式并行处理方法。本文的主要工作包括:(1)研究和分析大型物联网应用中存在的概率性问题,提出了CEP2U模型,考虑了事件具体信息的概率性和事件发生的概率性,运用概率论使概率性问题模型化,使用了简洁易读的规则,同时又使引入概率性问题带来的系统开销相对有限。(2)在CEP2U模型基础上,为进一步提高性能,提出了基于规则划分的分布式处理方法,把处理节点依据相互间的延迟条件构建成最短路径树,根据数据流的实际情况和不同的查询需求,对查询任务进行规则划分,把划分的子规则作为子任务布置在树结构上的相应节点上,处理结果不断向上层集结,实现真正意义上的分布式并行化处理。