基于多维数据库的MOLAP存储及查询技术研究

与关系数据库相比,基于多维数组的多维数据库更适合表示和存储多维数据。文章研究了基于多维数据库的MOLAP数据存储组织方法,主要讨论了三个方面内容:多维数据模式、MDDB(MultidimensionalDataBase)的数据存储结构及MOLAP查询分析。     

基于多维数据库的MOLAP存储及查询技术研究

与关系数据库相比,基于多维数组的多维数据库更适合表示和存储多维数据。本文研究了基于多维数据库的MOLAP数据存储组织方法,主要讨论了3个方面内容：多维数据模式、MDDB(Multidimensional Data Base)的数据存储结构及MOLAP查询分析。     

用多维数据库实现数据集市

阐述了数据集市、多维数据库的基本概念 ,探讨了一种用多维数据库实现数据集市的方法     

面向主题的关系—多维数据模型建立与数据集市

基于关系型数据库如何构建多维数据库的关键技术进行了深入研究,采用对星形模式分解成维表的方法,优化数据库结构,大大提高了数据的查询和处理性能,并用多维数据库实现了一个数据集市.     

一种多维数据库和多维视图模型

“多维”是数据仓库／ＯＬＡＰ应用普遍采用的模型化方法,文中提出了一种对多维数据库和在多维数据库上进行的查询／统计进行模型化的方法,并给出了模型的形式化定义,鉴于数据库本身与一次具体任务产生的结果两种对象的性质不同,特别区分了多维数据库和多维视图。多维数据库是对全部数据及其内在关系的全面描述;多维视图则是针对一次任务的对多维数据库的选择和重组。文中还着重讨论了多维数据库的划分问题,以函数依赖为主要依     

基于Hadoop的大数据查询系统简述

近年来,随着计算机技术的迅猛发展,其领域迎来了大数据时代。随着大数据的出现,传统的关系型数据库已经不能满足高储存量的要求,此时成本低廉、有着良好并行性和伸缩性的云数据库应运而生,它采用键值对数据模型和分布式的计算环境。但是海量数据在Key-value数据库中的查询效率低下、实时性差等问题又普遍存在。为了解决查询效率低下这一问题,将多维数据模型和索引技术应用于Key-value数据库,将事实数据以多维的形式进行存储并在多维模型上建立索引以加快查询速度。论文将系统地描述多维数据模型的建立和索引技术的实现,最后简单地和主流Key-value数据库进行优缺点对比。     

SciArray:面向科学计算的多维数组代数模型

多维数组是科学计算中非常重要的数据结构,但目前主流数据库使用的关系代数很难支持多维数组.因此提出了一个面向科学计算的多维数组代数模型SciArray以及建立在其上的结构化查询语言AQL.SciArray很好地描述了多维数组运算中的数据局部性,为实现并行的面向科学计算的多维数组数据库奠定了基础.     

MOLAP ROLAP可以兼得

OLAP 有三种流派 MOLAP,ROLAP,HOLAP。MOLAP 国内经常称其为“多维数据库”技术。当进行大数据量的复杂查询时,利用多维数据库技术可大大加快查询(与传统数据库相比)的速度。但他的限制是,多维数据库不能支撑太大的数据量(通常300GB 就已经是上限了)。ROLAP 实际上就是用传统的关系型数据库来模拟多维数据库。其特点是可以支撑大数据量,但缺陷是查询速度表较慢。真是鱼和熊掌不能兼得。HOLAP 中文称为“混合型 OLAP”。其工作时把访问较频繁的汇总数据存储在多维数据库中,把大量的原始数据存放于传统的关系型数据库中。查询时 HOLAP引擎需要自动判断从何处取得查询数据并集中计算,返     

联机分析处理数据立方体代数

数据立方体是多维数据库和以多维分析为基础的联机分析处理技术的核心机制.文章提出了一个支持多维数据库和多维分析的关于数据立方体的代数,从而为数据仓库及联机分析处理的语义描述提供了理论基础.同时,文章还论述了数据立方体的一些应用,以证明该工具所具有的强大功能.     

数据仓库上的Gcube操作

1 问题的提出商业和企业界认为,数据仓库上的联机分析处理(OLAP)应用是决策分析的关键。支持OLAP应用的多维数据模型正在得到人们的普遍接受。在多维数据模型中,数据记录中的某些域或属性被选作度量属性,其它域或属性被称为维属性或函数属性。在多维数据库中,具有相同函数属性值的数据记录的度量属性值集合组合为一个聚集值(通过聚集函数)。多维数据库可以视为由维属性值索引的多维数组,每个数组单元存储相应的维属性值组合所对应的度量属性值集合的聚集值。以后,在不引起混淆的情况下,我们把多维数据库简单地称为关系。多维数据库通常也称为Cube。人们把产生多维数据库的     

企业数据仓库多维数据模型的建立

数据仓库是一种新的数据管理技术,能将企业内分散的原始操作型数据和来自外部的数据汇集和整理,为企业提供完整、及时和准确的决策信息。构建数据仓库系统的核心问题是如何建立复杂的企业数据模型。商务数据的本质是多维的,传统的ER模型已无法满足要求,而多维数据建模技术从维度、层次建模的角度有效地弥补了传统数据模型的不足。文章以多维数据建模技术为中心通过实例讨论了数据仓库中数据模型的一般建立方法,为解决构建企业信息系统提供了一种切实可行的方案。     

正确使用原型法构建数据仓库

首先介绍了数据仓库和原型法的概念及特点，然后对用原型法构建数据仓库中的若干问题作了进一步的探讨。     

建立数据中心,设计统一数据平台

本文主要以创建数据中心,设计统一的数据平台为指导思想,灵活地处理现代管理中出现的各应用子系统之间既能保持相对独立又能实现信息共享。分析了数据中心在实际应用中的重要性,以及基于数据中心,如何设计统一数据平台。     

大数据基准测试程序包构建方法研究

基准测试程序是评估计算机系统的关键测试工具。然而,大数据时代的到来使得开发大数据系统基准测试程序面临着更加严峻的挑战,当前学术界和产业界还不存在得到广泛认可的大数据基准测试程序包。文章利用实际的交通大数据系统构建了一个基于Hadoop平台的交通大数据基准测试程序包SIAT-Bench。通过选取多个层次属性量化了程序行为特征,采用聚类算法分析了不同程序-输入数据集对的相似性。根据聚类结果,为SIATBench选取了有代表性的程序和输入数据集。实验结果表明,SIAT-Bench在满足程序行为多样性的同时消除了基准测试集中的冗余。     

运用多维数据模型实现油气勘探数据集市

文中首先介绍了数据集市的概念和构建过程,接着以含油气盆地岩性分析为例,阐述了用多维数据模型并基于多种软件工具实现数据集市的方法与过程。最后给出了在二连盆地利用数据集市进行勘探目标分析的实例。实践结果表明,对于油气勘探信息系统建设而言,数据集市比数据仓库更为简洁、更为实用,其推广和应用也更为可行。     

基于关系数据库构造多维数据模型

该文重点研究基于关系型数据库如何组织数据以满足多维分析的需要,即如何对星形模式的维表进行分割。分解成多个具有层次关系的,标准化的,低粒度的维表,以易于实而下（ｄｒｉｌｌ ｄｏｗｎ）及由下而上（ｒｏｌｌ ｕｐ）的数据挖掘（ｄａｔａ ｍｉｎｉｎｇ）。     

基于计算机云服务的政府政务数据信息安全体系构建

主要讲述了计算机云服务与政府财务数据信息之间的关系,从多个角度探讨了计算机云服务的政府政务数据信息安全体系构建方式。     

企业数据仓库多维数据模型的建立

数据仓库是一种新的数据管理技术,能将企业内分散的原始操作型数据和来自外部的数据汇集和整理,为企业提供完整、及时和准确的决策信息.构建数据仓库系统的核心问题是如何建立复杂的企业数据模型.商务数据的本质是多维的,传统的ER模型已无法满足要求,而多维数据建模技术从维度、层次建模的角度有效地弥补了传统数据模型的不足.文章以多维数据建模技术为中心通过实例讨论了数据仓库中数据模型的一般建立方法,为解决构建企业信息系统提供了一种切实可行的方案.