一种P2P网络环境下的OLAP查询方案

传统网络环境和P2P环境中,客户端向OLAP服务器提交OLAP查询,并从服务器获取查询结果,OLAP服务器的负载将随着客户端的增加而急剧增加。设计了一种基于P2P（Peer-to-Peer,点对点技术）技术的DQDC（Distributed Query Data Cube,多维数据集的分布式查询）算法,实现P2P网络中语义级的多节点Data Cube数据共享,从而提高系统整体的决策分析性能。     

一种基于维层次编码的OLAP聚集查询算法

联机分析处理(OLAP)查询往往需在海量数据上进行即席的复杂分组聚集查询,在其SQL语句中通常包含多表连接和分组聚集操作,因而减少多表连接和压缩关键字,以及对查询数据进行有效地分组聚集操作,成为ROLAP查询处理的关键问题。提出了一种基于维层次编码的新型预分组聚集算法DHEPGA．DHEPGA算法充分利用了编码长度较小的维层次编码及其前缀,来快速检索出与查询关键字相匹配的维层次编码,求得维层次属性的查询范围,减少了I／O开销,提高了OLAP查询效率。理论分析和实验结果表明,DHEPGA算法性能是非常有效的。     

一种基于朴素贝叶斯算法的OLAP缓存机制

大数据时代,缓存作为一种提高数据处理性能的有效技术而被广泛研究。目前大多数缓存机制将查询结果以文件的形式保存了下来,命中率较低,造成了缓存资源的浪费。以国内外的缓存技术为基础,结合用户的查询习惯,借助增量朴素贝叶斯算法设计了一种新的数据仓库缓存机制,此缓存机制可根据用户的操作习惯判断每次查询的结果是否需要被缓存,以此提高缓存命中率。并通过实验从平均查询时间以及缓存命中率两方面验证了该缓存机制的有效性。     

一种P2P网络环境下的OLAP模式匹配方案

P2P网络环境下,每个OLAP服务器上都有一套完整的数据解决方案。当OLAP服务器之间进行协同工作时,如何将Data Cube中的模式进行匹配以完成联合OLAP查询成为一个关键问题。在对Data Cube中的维及维层次链进行了定义后,提出了一种维层次链的匹配规则,能较好地优化P2P网络环境下执行联合OLAP查询。     

基于Apriori算法和OLAP的关联规则挖掘模型设计

通过分析Apriori算法的特点，提出一种有针对性的联机分析处理（OLAP）关联规则挖掘模型。该模型在数据立方体维度和度量值设计上充分考虑了Apriori算法的特点，使数据立方体物化更多算法所需要的中间数据；同时适当改进算法使之适应所设计的数据立方体。研究表明，该设计方法在灵活性和效率方面都有较好的表现。     

基于社区划分的联机分析处理查询优化方案

针对P2P环境下的联机分析处理（OLAP）查询节点数目不断增加时,易造成网络拥塞、查询效率降低的问题,提出一种基于社区划分的OLAP查询优化方案。该方案构建一个虚拟的社区网,并在此结构上设计了一种基于社区划分的多维数据集(CPDS)的OLAP查询优化算法。实验结果表明,该算法能有效避免因网络节点数目递增而导致的网络负载加剧问题,能有效地减少网络拥塞,优化了OLAP的查询效率,进一步提高P2P环境下OLAP的决策分析性能。     

基于聚集区域的强关联OLAP查询解决方案设计

聚集区域的OLAP查询解决方案是基于对数据仓库中数据立方体聚集区域认识的基础上提出的。它结合MO-LAP和ROLAP的特点,能够有效地识别出数据立方体中的聚集区域和稀疏点,通过不同的存储方式提高查询效率。基于上述思想,该文还提出了聚集区域查询(DSR)算法和严格约束的聚集区域查询(SDSR)算法,并对两种算法进行了仿真比较。     

传感器网络中基于蚁群算法的实时查询处理

无线传感器网络因不同应用而被广泛部署于各种场合,通常被视为分布式数据库.可以通过向该类数据库发布查询请求来获取事件相关的响应信息.一些具有实时需求的应用对查询时延要求较高,而目前存在的查询算法通常不能很好地满足实时查询应用的需求.针对此类特定应用,提出了基于蚁群优化的实时查询处理算法,该算法采用基于事件重要性的分环存储策略和基于蚁群算法的分布式搜索机制,充分利用蚁群优化算法的自组织和正反馈等特征,综合提高查询处理算法的节能性、实时性及查询请求接受率,为分布式动态并行实时查询应用提供新的思路.执行过程仅需局     

一种应用于OLAP的数据模型及其实现

数据仓库及OLAP技术是当前数据库领域研究的热点,而数据模型又是数据仓库及OLAP核心基础。文章提出了一种应用于OLAP的数据模型,并用于实际应用中。这种数据模型在概念上表达了OLAP特性,支持OLAP操作,而且其数学代数简单明白地表达了OLAP查询。     

向量计算Array OLAP查询处理技术

多核和众核处理器成为新的具有强大并行处理能力的大内存计算平台的主流配置。多核处理器遵循以LLC（Last Level Cache,最后一级cache）大小为中心的优化技术,而众核处理器,如Phi、GPU协处理器,则采用较小的cache并以更多的硬件级线程来掩盖内存访问延迟的设计。随着处理核心数量的增长,计算框架更倾向于面向大规模处理核心的、代码执行效率高并且扩展性强的设计思想。提出了一种基于数组存储和向量处理的内存分析处理框架Array OLAP,简化OLAP的存储模型和查询处理模型。在Array OLAP计算框架中,维表规范化为基于向量的维过滤器,事实表规范化为带有多维索引的度量属性。通过多维索引计算,一个多维查询被简化为事实表上的向量索引扫描并根据度量表达式进行聚集计算。规范化的向量查找和向量索引扫描具有较好的代码执行效率,并且阶段化的处理模型更好地适应不同的计算平台,将计算阶段分配给最适合的计算平台。同时,Array OLAP是一种面向数据仓库模式特点的设计,向量处理模型设计简单,对于数据仓库维表较小且增长缓慢的特点具有较好的效率。描述了在不同平台上的Array OLAP计算框架并且通过基准测试评估Array OLAP的性能,通过与当前的内存分析型数据库的性能对比,Array OLAP性能超过主流的内存分析型数据库并且可以平滑地迁移到新的硬件平台。     

基于生产线质量控制系统的OLAP安全性研究

随着在线分析处理技术（OLAP）的广泛使用,确保OLAP产品的安全性变得更为重要。为研究OLAP的安全可行性方案,文中以特定项目系统为例,首先对现有的多种OLAP安全方案进行分析,再结合系统实际特点,为项目的 OLAP系统安全性提出了两种实施策略：权限设置与数据加密。权限设置是通过对访问用户的权限进行控制,控制前台用户的使用安全;数据加密是将OLAP的维表中非关键字段进行加密,在运行调用时进行解密。该研究也为下一步的方案实现打下了一定的理论基础。     

基于OLAP的上海社区服务网后台数据仓库的设计与实现

首先给出数据仓库以及OLAP等一些相关概念,然后叙述了OLAP多维数据分析的几种方法,最后介绍了基于OLAP的上海社区服务网后台数据仓库的设计方案及其具体实现方法。     

基于面向对象技术的OLAP系统设计研究及应用

介绍了OLAP技术的概念和内容,研究了运用面向对象技术建立OLAP决策支持系统的关键技术,并以宝钢的电力系统为研究背景,给出了宝钢电力OLAP系统的设计方案。     

基于语义分解的联机分析处理查询并行优化方案

利用联机分析处理(OLAP)查询中存在的语义关联,对聚集关系与语义分解关系进行了形式化描述,并基于这些关系定义了查询与查询集之间的补集关系,在执行OLAP查询集时,可以利用这些关系尽可能地识别查询集中查询的公共部分,并且可以在查询时从多个角度来采取并行优化措施。实验验证表明采用并行优化方案后,系统的整体效率得到了提高。     

混沌优化的仿射尺度搜索算法研究

为了求解单目标线性规划问题,提出了基于混沌优化（COA）算法的仿射尺度搜索（AFS）算法,即混沌AFS算法。使用混沌优化算法以迭代方式从随机初始点中得到优化的初始点;将得到的初始解点作为仿射尺度搜索算法的起始点来提高仿射尺度搜索算法的性能;通过搜索单目标线性规划决策变量域得到可行的近似最优解。实验结果表明,相比传统的AFS算法,在求解单目标线性优化问题时所提混沌AFS算法明显降低了目标值的偏差,同时大大地减少了迭代次数及CPU运行时间。     

网格数据的语义查询优化研究

利用网格技术实现的异构数据源集成环境中,引入本体可以解决网格数据的语义查询问题。为了提高网格环境中语义查询的效率,提出了一个基于本体的语义查询优化器（GSQO）,该优化器主要实现了以下3个模块的优化：（1）用户查询语义扩展;（2）资源选择;（3）并行处理。实验结果表明,GSQO通过采取上述优化策略提供了较好的查询效率。