高速公路营运数据仓库的数据建模方法研究

由于数据仓库的数据主要用于分析处理，而非事务处理，因此，定义数据仓库的数据模型和指导思想、方法、步骤和传统的事务型数据库系统有很大的不同。本文根据等者在开发EMDSS（高速公路营运管理决策辅助系统）中的经验和实践，对数据仓库数据模型的建模方法进行了研究。     

超大型压缩数据仓库的查询研究

查询速度是联机分析处理中的一个关键性能指标,人们通过事先生成所有可能的聚集来提高查询速度,然而这样的完全物化是以存储空间为代价的.针对数据立方体数据分布特点和结合压缩技术,本文介绍如何最大化节省存储空间来进行完全物化,然后在此基础上对查询进行了研究,以达到最小存储空间以及较好的查询速度的目的.     

关于数据仓库中联机分析处理的几点研究

本文介绍了数据仓库中OLAP（联机分析处理）技术，详细阐述了星型架构中的维表和事实表，并将星型架构和多维数据模型在各方面进行比较。     

联机分析及数据仓库的建模技术

本文介绍联机分析对数据的需求、ＯＬＴＰ与ＯＬＡＰ的区别、数据仓库的基本特征及基对数据库技术的新要求、数据仓库的两种建模方法－ＭＯＬＡＰ与ＲＯＬＡＰ,着重讲述基于关系数据库管理系统的ＲＯＬＡＰ建模方法,并通过一个商品房销售分析系统的建模实例来加以说明。     

基于有向图描述数据仓库中复杂维层次结构的方法研究

针对数据仓库中复杂维结构的特点，提出建立基于有向图的维字典图以辅助联机分析中有关维层次的定义，并利用维字典图重新定义了数据仓库多维数据模型和关于维层次的重要OLAP操作．该方法能够在复杂维层次结构的情况下灵活地适应用户的分析需求，提高了联机分析系统的处理能力．     

基于查询优化的虚拟数据仓库模型

1 虚拟数据模型概述虚拟数据仓库技术因为其开放灵活的体系结构、以需求为驱动、无限的扩展性等优点而越来越引起人们的关注,相比传统数据仓库以供给为驱动的特点,虚拟数据仓库对有很多不同时期、不同构、复杂的数据源的大公司大企业来说有巨大的吸引力。本文在此技术的基础上,提出了一个基于查询优化的虚拟数据仓库模型,它使用多层次分布式的数据结构,在     

数据仓库系统中层次式Cube存储结构

区域查询是数据仓库上支持联机分析处理(on-line analytical processing,简称OLAP)的重要操作.近几年,人们提出了一些支持区域查询和数据更新的Cube存储结构.然而这些存储结构的空间复杂性和时间复杂性都很高,难以在实际中使用.为此,提出了一种层次式Cube存储结构HDC(hierarchical data cube)及其上的相关算法.HDC上区域查询的代价和数据更新代价均为O(log^dn),综合性能为O((logn)^2d)(使用C_qC_u模型)或O(K(logn)^d)(使用C_qn_q+C_un_u模型).理论分析与实验表明,HDC的区域查询代价、数据更新代价、空间代价以及综合性能都优于目前所有的Cube存储结构.     

支持非覆盖维的扩展多维数据模型

非覆盖维等复杂结构维的处理一直都是数据仓库领域的难题,本文在详细分析非覆盖维特性的基础上,提出了一个扩展的多维数据模型,改变了传统的级别间的映射关系的定义方式,定义了从父级别到子级别分区的映射关系,从而实现了对非覆盖维和非平衡维的支持,并能够完整地表达各种复杂维层次结构语义.同时,基于DAG图描述的维层次结构,定义了基于该多维模型的立方体代数和OLAP操作.将多维数据库概念模型中的维与度量的转换操作引入到OLAP操作集合中,使其支持复杂维的转化操作,进而丰富和增强基于该模型的OLAP系统的分析能力.     

联机分析处理中的非规则维建模

预聚集技术通过预先计算并保存原始数据上的查询结果以实现联机分析处理系统的快速查询响应能力.然而,在实际应用中,许多非规则维的结构难以使用传统多维模型进行建模,从而影响了预聚集技术的使用.为此,基于子级别到父级别的部分映射定义级别之间的部分序关系,进而提出了一个支持非覆盖、非映上等非规则维中维级别关系建模的维模型.同时,在维模型基础上,定义了支持非规则维的立方体模型以及典型的联机分析处理操作.多维模型与关系模式的转换定义和实例分析证明了该多维模型可以实现对各种非规则维的建模支持,保证了预聚集技术在联机分析处理中的使用.     

数据仓库中的多维数据模型及其对象关系的实现

数据仓库和联机分析处理(OLAP)是当今商业数据处理领域的研究重点。传统的关系数据库技术已经很难满足联机分析处理对数据仓库的大量数据进行分析查询的要求。多维数据模型已成为数据仓库和联机分析处理的核心技术。该文设计了一种直观、有效的多维数据模型并给出了基于对象关系的实现。     

空间数据仓库中维和度量的建模

本文讨论空间数据仓库的建模问题，采用星型结构来进行空间数据仓库的逻辑设计，并对其进行两方面的扩展，即在度量和维中加入空间组件。     

数据仓库和联机分析处理技术在装备器材保障中的应用

文章分析了传统装备器材保障中数据处理方法存在的不足,提出了基于数据仓库和联机分析处理技术的器材保障管理的设计思想,阐述了数据仓库多维数据结构的设计方案,讨论了联机分析处理和数据挖掘的实现方法。     

超大型压缩数据仓库上的CUBE算法

数据压缩是提高多维数据仓库性能的重要途径,联机分析处理是数据仓库上的主要应用,Cube操作是联机分析处理中最常用的操作之一.压缩多维数据仓库上的Cube算法的研究是数据库界面临的具有挑战性的重要任务.近年来,人们在Cube算法方面开展了大量工作,但却很少涉及多维数据仓库和压缩多维数据仓库.到目前为止,只有一篇论文提出了一种压缩多维数据仓库上的Cube算法.在深入研究压缩数据仓库上的Cube算法的基础上,提出了产生优化Cube计算计划的启发式算法和3个压缩多维数据仓库上的Cube算法.所提出的Cube算法直     

半结构化数据模型及查询语言

在传统数据库中要求查询处理时数据的结构模式已知且固定。这在ＷＷＷ和异构信息源集成等半结构化数据情形下很难满足。     

股市行情预报的数据仓库数据挖掘系统

本文介绍采用数据仓库(DW)、联机分析(OLAP)、数据挖掘(DM),构建股市行情预报信息的公众资讯网的开发实践。     

数据仓库与数据挖掘研究进展

随着数据库应用从以事务处理为中心逐渐向以分析处理为中心转化，以数据仓库、联机分析和数据挖掘为中心的基于数据库的分析技术成为近几年来数据库界研究的热点。经过近十年的研究与应用。已经产生了很多的研究成果，建立了较扎实的理论基础，目前正在向与应用领域紧密结合(如流数据)。对现有技术进一步改造方面发展。本文对近两年这几个方向上的研究成果进行了总结。     

数据仓库的联机维护与下查

提出了一种三层数据仓库体系结构,引入了“数据仓库基库”概念,不权使得传统数据库能够更容易地融入数据仓库系统,而且增强了整个系统的伸缩性。在此基础上,提出了３ＶＷＱ（Ｔｈｒｅｅ－Ｖｅｒｓｉｏｎ Ｗｉｔｈｏｕｔ Ｑｕｉｅｓｃｉｎｇ）算法来解决数据仓库的联机维护问题及其对下查的支持。该算法采用版本控制和补偿思想来协调数据库和数据仓库之间的数据更新,从而保证了联机维护与下查的一致性。     

DM异构数据源集成系统中的数据模型及查询语言

在很多的实际应用中需要集成地访问异构的数据源,而异构数据源的数据结构模式未知且不固定。为此,为了解决上述问题我们在DM异构数据源集成系统中设计了一种针对半结构化数据的自描述的数据模型SSDM（SemiStructured Data Model),并在此基础上构造了查询语言SDQL（SemiStructured Data Query language)和针对不同数据源的捆绑器,从而很好地解决了这个问题。     

基于划分的数据仓库查询归并缓冲算法

在数据仓库中存在着大量的数据。联机分析处理包含着对大量数据的复杂的查询过程。在对这些数据的存储与查询中都遇到了许多困难。解决这一问题的有效办法就是先将数据划分成便于处理的数据块,再分别对每个数据块进行处理,最后将个数据块的处理结果归并在一起。对几种常用的归并算法进行了比较,并讨论了归并中的缓冲区分配问题。