隨着企業信息化的進一步深入，企業產生大量的實時數據（比如證券市場的交易數據，電力行業的探測數據），用關係型數據庫處理這些大量的實時數據，已經力不從心了。更重要的是，企業需要從這些大量的實時數據裏面，及時發現、挖掘一些有意義的數據，比如證券市場那些交易有違規操作的嫌疑，如果對某些交易存在嫌疑，需要進一步跟蹤觀察，進而進行人工干預。這樣的需求，用關係型數據庫去解決，需要將所有的數據導入到庫中後，用統計分析工具去分析，雖然也能得到部分有意義的數據，但是無法保證實時性，無法對部分有意義數據的出現做出及時處理。
基於以上的需求，出現了複雜事件處理（ CEP）的概念，隨之也出現了不少 CEP的產品，這其中，比較著名的產品有： Tibco Business Event， IBM CEP， Oracle CEP。 CEP認爲任何事情的發生可以認爲是一個“事件”，事情的發生產生一項數據，那麼一項數據也可以認爲是一個“事件”，證券市場的一個交易是一個事件，傳感器探測一次數據，也是一個事件。這些事件有共同點：數據量特別龐大、流式數據、永不止境。這些事件，多數是我們不關心的，我們認爲無意義的。我們需要的是從這些大量的無意義的事件中，找出對我們有意義的單個事件或者事件組合，比如可疑交易數據（和正常交易價格有很大出入的多筆交易），我們理解這些找出的單個事件或者事件組合爲有意義事件，認爲是事件發生，把發現這個有意義事件爲複雜事件處理。 CEP通過規則，從不同的事件源中找出相關的事件組合（發生事件），並對發現的做進一步處理（處理髮生事件）。
通常的 CEP，實現方式如下：
大量的實時數據作爲事件源接入事件處理總線 ， CEP引擎通過指定的規則，處理這些實時數據和緩存的歷史數據（緩存的目的是解決發現一些跨時間的事件，比如分析多次交易看是否可疑）。
如果根據規則，發現事件後，需要做進一步處理：
發現事件後， CEP調用相應的業務流程，比如啓動證券交易中違規交易的告警流程，然後結束 CEP的一個處理週期。
CEP不光是能夠及時發現事件，更重要的是，它具有邏輯推理，對下次事件發生能做一個較爲準確的預測。
綜上， CEP適合處理大量的、多個數據源的實時數據，並對這些實時數據做處理得出實時的結果。
