基于多实化视图增量维护的基库生成算法

数据仓库的维护是数据仓库应用中的一个十分重要的问题,近几年产生了很多的维护算法。已有的维护算法多是针对单个实化视图的维护;或只针对简单SPJ视图的维护;或只针对聚集函数的维护;而实际的数据仓库大多是由包含聚集函数的多个实化视图组成。因此综合考虑包含聚集函数的多个实化视图的维护问题是必然的。文章正是在此情况下提出了一种基于多实化视图增量维护的基库生成算法,在《基于基库的多实化视图增量维护算法》中提出了包含聚集函数的多实化视图的维护算法。     

多实化视图的自维护算法

实化视图的维护是数据仓库技术的重要问题,近几年产生了很多的维护算法。已有的维护算法大多是针对单个实化视图的维护。该文提出了一种多实化视图的自维护算法,该算法利用局部约简规则和主外键引用关系生成较小的辅助视图集,使多实化视图和辅助视图集都是自维护的。     

基于源视图增量的在线实化视图自维护

借鉴传统的基于基表变化的数据仓库维护方法Strobe，提出一种基于源视图增量的在线实化视图自维护方法，使实化视图的状态保持与底层数据源的一致性。这种方法不仅保持数据仓库数据的一致性，而且还能够加快实化视图维护的速度，减少底层信息源与数据仓库之间的网络通信负担。     

数据仓库中基于实体化辅助视图的视图增量维护

为了加快对大量数据的查询处理速度，通常在数据仓库以实视图方式存储数据，当基础数据发生变化时，这些实视图也必须随着更新，因而视图自维护和一致性维护成为数据仓库的重要问题。本文提出利用视图计算的中间结果创建辅助视图，在数据仓库中进行实体化，采用有效的增量维护算法计算实视图的精确变化，实现数据仓库视图自维护。     

多库 高效的视图维护机制

外连接是多库系统中经常使用的生成全局视图方法,但是外连接给维护多库系统视图带来了很大的困难,目前已有的多库系统视图维护算法只考虑了连接操作（Ｓｓｅｌｅｃｔ ｐｒｏｊｅｃｔ ｊｏｉｎ,ＳＰＪ）,如果全局视图是通过外连接生成的,这些算法就不能有效地维护多库系统视图的正确性,提出了一种新的多库系统视图维护算法,它能够在有外连接及数据不一致的情况下高效地维护多库系统视图,并最大限度地减少了向局部数据库发送     

一种对象实视图的增量维护算法OMVIMA

首先给出了一种面向对象的实视图模型———对象视图模型,可以在数据仓库中描述复杂对象,并有利于前端工具OLAP的实现。然后在此基础上提出了对象视图模型增量维护算法———OMVIMA,该算法能够有效地实现从数据源到数据仓库中对象(数据)的增量抽取和加载等维护工作。最后给出了算法的性能和效率分析,并通过应用实例证明了该算法比基于纯关系实视图的实现方法具有更高的效率。     

基于视图自维护理论的高效视图维护机制

1 介绍多库系统中的全局视图是在全局数据模式上定义的,而全局数据模式由各局部数据库(Local Database:LDB)的数据模式通过异构模式消解得到。因此,对全局视图的存取操作要分解为针对多个LDB的子操作,可能还要对数据模式及查询语言进行相应的转换。如果每一次对全局视图的访问都要转换为对底层数据库的访问,代价是很昂贵的,所以多库系统一般都保持物     

基于时间戳的实化视图多版本维护

实化视图的一致性维护是数据仓库联机维护的关键问题.本文分析了基于三层数据仓库体系结构的3VWQ算法中潜在不一致性的原因,给出了三层结构的改进方法并引入时间戳作为中间版本实化视图的一致性维护标记;提出一种基于时间戳的补偿算法,实现了增量查询维护过程中不一致更新的本地补偿,从而在保证较好性能的同时解决了维护查询过程中的一致性问题.     

数据仓库实化视图的联机维护

数据仓库实化视图和联机维护是数据仓库系统维护的一项关键技术,采用这种技术,能够在不影响用户正常业务的情况下,实现数据仓库的实化视图数据的及时更新、联机分析处理（OLAP）作为数据仓库的一个主要应用,在数据仓库实化视图的联机维护的过程中会面临严重的数据不一致问题。为了解决这个问题,本文引入“维护库”（Maintaining Database)的概念,提出基于事务触发的视图维护算法TVM,通过消息应答机制实现实化视图与数据源的数据一致性。     

多库系统中高效的视图维护机制

外连接是多库系统中经常使用的生成全局视图的方法 ,但是外连接给维护多库系统视图带来了很大的困难 .目前已有的多库系统视图维护算法只考虑了连接操作 (select project join,SPJ) ,如果全局视图是通过外连接生成的 ,这些算法就不能有效地维护多库系统视图的正确性 .提出了一种新的多库系统视图维护算法 ,它能够在有外连接及数据不一致的情况下高效地维护多库系统视图 ,并最大限度地减少了向局部数据库发送的查询数 ,使得多库系统更加高效     

基于并行处理和物化视图的性能优化研究

本文研究了Oracle Database 10g（只有企业版提供）中采用并行处理和物化视图改善数据库性能的问题。其中，并行处理主要用于提高查询性能，物化视图用于改善大型数据库的性能。     

基于并行处理和物化视图的性能优化研究

本文研究了OracleDatabase10g(只有企业版提供)中采用并行处理和物化视图改善数据库性能的问题。其中,并行处理主要用于提高查询性能,物化视图用于改善大型数据库的性能。     

基于多视角的多类型错误全面检测方法

随着信息化社会的发展,数据的规模越发庞大,数据的种类也越发丰富.时至今日,数据已经成为国家和企业的重要战略资源,是科学化管理的重要保障.然而,随着社会生活产生的数据日益丰富,大量的脏数据也随之而来,数据质量问题油然而生.如何准确而全面地检测出数据集中所包含的错误数据,一直是数据科学中的痛点问题.尽管已有许多传统方法被广泛用于各行各业,如基于约束与统计的检测方法,但这些方法通常需要丰富的先验知识与昂贵的人力和时间成本.受限于此,这些方法往往难以准确而全面地检测数据.近年来,许多新型错误检测方法利用深度学习技术,通过时序推断、文本解析等方式取得了更好检测效果,但它们通常只适用于特定的领域或特定的错误类型,面对现实生活中的复杂情况,泛用性不足.基于上述情况,结合传统方法与深度学习技术的优点,提出了一个基于多视角的多类型错误全面检测模型CEDM.首先,从模式的角度,结合现有约束条件,在属性、单元和元组层面进行多维度的统计分析,构建出基础检测规则;然后,通过词嵌入捕获数据语义,从语义的角度分析属性相关性、单元关联性与元组相似性,进而基于语义关系,从多个维度上更新、扩展基础规则;最终,联合多个视角...     

多物化视图并行增量保持三阶段模式

文章提出了一种基于并行流水线处理方式的多物化视图(materialized views)增量保持方法,即在先进行筛选的条件下,利用归类拓扑排序,将所有物化视图进行分类,使每一类中的视图之间没有嵌套定义关系.最后对每一类中的所有视图利用基于信号量控制机制的流水线模式并行处理,以达到对多物化视图实现增量保持的目的.     

应用Oracle数据库监控维护技术维护数据库安全的探讨

最近几年信息化越来越发达,但是随之而来的问题也越来越多,数据库的安全问题一直是信息数据库管理员一个重要的任务,防止数据库的丢失以及非法入侵都是非常关键的问题,然而数据库管理员在对这类问题进行关闭时却常常显得非常疲惫,所以数据库的系统以及维护技术也在不断的更新。文章就针对数据库监控维护技术对于数据库安全性的作用作简要分析。     

基于遗传算法的受限物化视图

受限物化视图的选择是当前数据仓库研究的最重要的问题之一,且其是个NP问题。本文通过对视图与查询关系的研究,提出了一种选择物化视图的两阶段算法框架,首先利用候选视图选择算法缩小视图选择的范围,而后利用遗传算法解决受限物化视图的选择问题。     

基于共享数据库的多数据源集成

鉴于企业和单位规模不断扩大、业务需求的不断更新，为能够进行更好的管理和决策分析．对于多数据源的集成需求越来越迫切。文中介绍了共享数据库模型，指出了它与数据仓库以及传统操作型数据库之间的差异。还讨论了基于共享数据库的多数据源集成问题，阐述了在数据源集成过程中解决模式冲突、处理异常数据的方法。对共享数据库中数据更新的方法和时机做了简要论述。     

数据仓库中物化视图维护算法的分析和比较

随着数据源的更新,数据仓库中的物化视图必须得到及时的更新维护.而如何对物化视图进行高效的更新,以满足用户对查询响应速度和查询结果一致性、时新性的要求,这是数据仓库技术中非常复杂和重要的工作,也是一个迫切需要解决的关键性技术问题.以物化视图更新维护问题为主要研究对象,通过对现有各种维护算法深入的研究和分析,系统地进行了比较和总结,最后指出了谊问题深入研究的方向.     

基于主题爬虫的漏洞库维护系统

漏洞库是用来存储漏洞信息的数据库,是信息安全基础设施的重要组成部分。将主题爬虫技术引入漏洞数据库的维护工作,通过主题网络爬虫获取与"漏洞"相关的网页,从中提取漏洞信息来更新漏洞数据库,降低了人工维护的工作量,改善了现有漏洞库存在漏洞覆盖不全面、内容不丰富的问题。分析当前国内外主要漏洞库的结构特征,研究漏洞诸多属性间的关系,运用组群分类描述法构建漏洞库结构模型。在研究主题网络爬虫的基础上,提出一种面向漏洞主题的动态主题构建方案。介绍漏洞库维护系统的总体设计和实现方法。