区块链星型分片架构通量模型及应用

并行化是区块链扩容方案中最有效的一类方案,现有的并行化方案可根据网络架构分为星型架构与平行架构两类,但是当前的研究工作中,缺少对于星型分片架构方案的性能边界及性能瓶颈影响因素的分析.因此,针对不同的星型分片架构方案抽象出了一种通用的区块链星型分片架构,并对该通用架构中的交易过程进行了量化建模,得到了区块链通量与分片数量的关系,建立了星型分片架构的通量模型.根据建立的星型分片架构通量模型,可以发现星型架构的通量性能存在上限,存在一个最优的分片数量使得系统的通量达到最高,且通量的最大值与主链功能复杂度存在明确的函数关系.基于所提的通量模型,相关的区块链系统可以结合自身方案的设计,平衡分片数量与主链功能复杂度,使得系统通量达到理论上限,因此对于星型并行化方案设计具有重要指导意义.     

基于数据仓库的维度建模优化

维度建模是个概念模型,星型架构可视为其逻辑模型,至于其物理实现的数据库可以是关系数据库、多维数据库或其他数据库.由于多维数据库发展的不成熟,目前,一般利用关系数据库使用星型模型来实现维度建模.     

数据挖掘在实验室CRM中的数据仓库设计

数据仓库是CRM中数据挖掘和决策分析的基础,数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程,这些模型和关系可以用来做出预测.本文通过对数据仓库的概念及模型入手,设计了一个在检验检疫实验室CRM中进行数据挖掘的星型模型.     

基于JTAG的星型扫描技术的研究

传统的串型扫描拓扑结构已经不能满足系统发展所要求的测试任务,随着边界扫描技术的飞速发展,IEEE 1149.7标准提出了支持星型拓扑扫描功能的TAP.7接口规范。重点对TAP.7接口的星型扫描技术进行了深入的研究,详细介绍了基于JTAG的具有星型扫描功能接口的设计原理,重点对此TAP.7接口进行了设计,并对共享DTS连接的拓扑技术分支选择和星型扫描功能进行了仿真验证。     

基于电子商务信息的联机处理模型设计

本文根据对电子商务所关注的销售主题和用户主题进行分析,形成星型模型,生成多维数据表,用多维的方式来组织和处理数据,以多维方式显示和分析数据,设计电子商务信息联机处理模型,及时掌握电子商务销售和用户动态,用以正确决策.     

点击流数据仓库中客户管理星型模式设计

点击流数据仓库中存储了大量客户基本信息及客户在网站上的点击行为信息,其组织方式的好坏直接影响到联机分析处理和数据挖掘的效率.传统的页面事件和会话星型模式没有把客户这一商业行为中的核心实体作为实事表,因而不能提供直接面向客户的综合分析.对原有模式进行分析的基础上,根据企业CRM的实际需求,提出了一种以客户为中心的客户管理星型模式,并利用面向客户的时间轮转模型予以实现.     

多维数据模型中维层次结构的自动生成算法及其实现

多维数据模型是数据仓库及联机分析处理的核心,目前主要有两种:星型模型和雪花模型。维层次结构是多维数据模型最重要的概念之一。该文提出了一个算法,它能够在雪花模型中根据维表间的依赖关系构造维的层次结构。指出使用该算法的前提并进行了证明,随后实现了算法。文章最后提出了在星型模型中构造维的层次结构的基本过程。     

港口生产数据仓库设计与实现

从港口企业面临的决策需求出发,对港口货运业务进行分析,建立港口生产业务的概念模型,确定港口生产数据仓库的体系结构.根据概念模型和最终用户的需求划分分析主题,并以港口货运量主题为例详细设计相应的事实表和维表,得出货物运输主题的星型逻辑模型,按照逻辑模型的设计讨论物理模型设计中遇到的问题.最后对港口生产数据仓库设计与实现过程中工具和平台的选择进行说明,并利用该数据仓库就不同地区的货物运输量情况进行数据展示.     

OLAP在银行数据仓库中的设计和实现

如何对海量数据进行科学的分析处理以便为决策者提供决策支持已经成为银行面临的新课题.对此,通过对数据仓库在银行业务应用的研究,围绕银行领域的数据仓库和联机分析处理的部分设计开发过程进行了广泛的论述.主要综述了实体关系模型、星型模型、立方体（CUBE）、汇总表的设计以及在开发中所要注意的问题,并且特别对目前使用比较多的立方体设计进行深入有效的讨论,提出了一种高效的建立数据仓库和实现联机分析处理的设计方案和实现思想.     

基于列存储机制下多维数据仓库模型的优化与研究

通过对分布式列存储机制下多维数据仓库模型的研究,考虑到多维数据仓库模型上的关联和聚集操作常常会引入大量的数据迁移,提出一种有效的列存储机制下多维数据仓库模型的优化方法即结合层次编码技术。采用维表层次全局域编码和维表层次局部域编码相结合的方式对传统星型模型维表中的层次信息进行二进制编码整合,将维表的层次信息压缩进事实表形成无连接星型模型,并针对新模型下的数据特征提出一种复合压缩策略,以期减少分布式列存储机制下的OLAP操作引入的数据迁移并降低数据存储空间,提升系统的查询性能。实验结果表明,该优化方法是可行且有效的。     

点击流中事务数据模型的设计与实现

点击流数据简单说就是Web服务器上一系列有序的日志记录。随着WWW应用及电子商务的高速发展,电子商务网站的Web服务器上自动收集了大量的用户访问信息记录,即所谓的Web日志。Web日志蕴涵了大量的有用信息,如客户来源、客户访问趋势、客户兴趣、网站流量等,因而记录和分析Web日志数据已逐渐成为e企业的一项重大活动。点击流数据仓库对原始的Web日志数据进行过滤、清洗并集成,以便于利用联机分析处理和数据挖掘技术对点击流数据做进一步分析,从而为企业创造巨大的信息财富。     

Particle swarm optimization for bitmap join indexes selection problem in data warehouses

Data warehouses are very large databases usually designed using the star schema. Queries defined on data warehouses are generally complex due to join operations involved. The performance of star schema queries in data warehouses is highly critical and its optimization is hard in general. Several query performance optimization methods exist, such as indexes and table partitioning. In this paper, we propose a new approach based on binary particle swarm optimization for solving the bitmap join index selection problem in data warehouses. This approach selects the optimal set of bitmap join indexes based on a mathematical cost model. Several experiments are performed to demonstrate the effectiveness of the proposed method on the bitmap join index selection problem. Further testing of the method is performed using a database environment specific cost function. The binary particle swarm optimization is found to be more effective than both the genetic algorithm and data mining based approaches.     

基于关系数据库的数据仓库星形模式下维使用原则的研究

星形模式是基于关系数据库的数据仓库中的一个著名概念,由于星形连接模式的设计思想能够满足人们从不同观察角度(维)分析数据的需求,所以在基于关系数据库的数据仓库的设计中广泛地使用了星形模式。在使用数据仓库来回答综合性问题的场合,通常可以使用OLAP工具实现记录不多的较高粒度表的维度旋转来满足不同分析的需要;而在数据仓库中较高粒度表中记录非常多或者还要经常回答细节问题的场合,则还必须对数据仓库中记录非常多的较高粒度的表或者细节级表进行维度转换。但通常的OLAP工具难以处理几十万条记录数据表的维度旋转,针对这种应用场合,提出了一种有选择地使用维的星形模式,在事实表中避开使用要旋转的维,用存贮过程编写程序高效地实现OLAP工具相应的功能,对星形模式下维的使用原则做出了一定的探索。     

一种星型模式下的关联规则挖掘方法

目前的数据挖掘基本上都是基于普通数据集的挖掘,针对星型模式结构的数据挖掘的研究工作较少,为此定义星型模式挖掘结构,并在此基础上构建一种关联规则挖掘算法,该算法先扫描事实表,产生最大频繁项集和关联规则,进而以此为基础,提出一种基于连接条件和关联规则局部有效性的理论,并在此基础上建立一种快速扫描维表属性的方法,一次产生维表隐藏的关联规则,这个扫描是基于局部的,不是基于全局的,同时可根据需要,对于不明确的关联规则,通过构建扩展的维表,进行隐知识的挖掘。算法挖掘速度快,若合理地构建扩展维表,能够发现扩展的隐藏信息。     

星链ER模型:一种数据仓库概念设计模型

对于流程工业中的数据仓库建设，存在一贯性质量分析的需求，即前一个工序的工艺可能影响下一个工序的产品质量．针对这种需求，提出了一种数据仓库的概念设计模型，星链ER模型．其中引入了链式事实主题结构的概念，并把度量细分为传递型度量与非传递型度量，给出了星链ER模型的图形表示法以及由概念模型到逻辑模型的转换规则．该模型可以方便地转化成多种逻辑模型如星型模式、雪花模式以及星座模式．     

提高数据仓库中查询性能的一种并行多表连接算法

星型模式是当前数据仓库设计中广泛采用的逻辑模式，针对星型模式数据仓库中潜在的查询性能问题，结合数据仓库中的ORV，利用面向对象中的消息机制，提出了基于对象关系视图（ORV）的多表连接并行查询算法，并对算法的磁盘I／O操作次数、算法的时间复杂度进行了分析。     

Comparing the understandability of alternative data warehouse schemas: An empirical study

An easily understood data warehouse model enables users to better identify and retrieve its data. It also makes it easier for users to suggest changes to its structure and content. Through an exploratory, empirical study, we compared the understandability of the star and traditional relational schemas. The results of our experiment contradict previous findings and show schema type did not lead to significant performance differences for a content identification task. Further, the relational schema actually led to slightly better results for a schema augmentation task. We discuss the implications of these findings for data warehouse design and future research.     

基于数据仓库技术的物资管理系统研究与开发

对数据仓库、多维数据模型、星型模式等概念作了详细的介绍,分析了传统物资管理系统存在的问题,在此基础上提出了基于数据仓库技术的物资管理系统的研究方法和设计思路,并给出了数据仓库中数据结构的设计实例。