基于关系数据库的ROLAP中实视图的选择

联机分析处理(OLAP)是伴随着数据仓库出现的一种数据分析处理技术,其特点是使分析人员能够更充分地利用数据仓库中的数据资源,从多种角度、多个层次,快速地构建易为用户理解的并全面反映企业行为特征的数据快照,从而可使用户更加深入地了解企业的发展状况和趋势。ROLAP是OLAP中使用最广泛的一种类型。文中对影响ROLAP查询效率的关键技术进行了讨论,提出了一个改进的实视图动态选择算法。该算法从存储空间、查询频率、更新代价三个方面综合评价每个实视图,有效地保证了ROLAP查询的响应时间。     

ROLAP中实化视图的选择与调整

论文研究了ROLAP中的实化视图的选择与调整问题,推广了现有的实化视图选择方法,并证明了这个推广的有效性。在此基础上,首次提出了一种局部调整实化视图集的方法———淘汰替换算法。最后,介绍了这些方法的一个应用实例。     

数据仓库中实化视图选择方法的研究

数据仓库中的视图选择在很大程度上影响数据仓库的查询效率和维护代价,是数据仓库中研究的重要内容.通过对现有的选择实化视图的价值模型进行研究,提出了一个新的视图价值估算模型和视图选择算法--PBPUS算法.该视图选择方法通过在视图选择前进行预处理和使用新的价值估算模型,降低了视图搜索的时间复杂度和维护代价,有效地提高了实化视图的查询效率.     

实视图选择研究

定义了数据仓库领域的视图选择问题,并讨论了与该问题相关的代价模型、收益函数、代价计算、约束条件和视图索引等内容;介绍了3大类视图选择方法,即静态方法、动态方法和混合方法,以及各类方法的代表性研究成果;最后展望未来的研究方向.     

基于关系数据库的ROLAP建模工具的设计与实现

针对现有国内企业的实际需求,介绍了一个基于关系数据库的轻量级ROLAP建模工具的设计及实现技术,并详细阐述了用关系数据库模拟OLAP多维数据集时的元数据管理和实视图选择问题。该工具可在一般的事务型关系数据库上使用,具有广泛的实用意义。     

基于视图树的实视图动态选择

为用户缓存实视图可以有效提高其OLAP查询的性能.但是,已有的缓存管理策略由于没有考虑用户在进行OLAP分析时的数据访问特性,在处理实视图动态选择问题时无法获得好的性能.提出了视图路径和视图树的概念,并以视图树作为客户端缓存中的实视图组织方式.提出了“逆路径增长法”来快速计算新到达查询的视图路径,提高了查询的响应速度.对于视图树的动态调整问题,以“保留路径”为参照,设计了合理有效的视图替换策略.实验证明,该方法能够比已有的动态选择方法取得更好的性能.     

查询代价视图选择问题的研究及实现

实视图选择问题是数据仓库研究的重要问题之一。数据仓库存储实视图主要为OLAP查询,用户查询响应时间是首要考虑的问题,提出了查询代价视图选择问题,给出了其代价模型。提出了对查询代价视图选择问题利用遗传算法来解决的方法和策略。经实验证明,该算法达到了良好的效果,效率高。     

数据仓库中的实视图的选取

数据仓库设计中一个重要问题就是选取视图进行实体化。论文给出实视图代价估算模型,利用遗传规则,提出实视图选取的方法和策略。经实验证明,该算法达到了良好的效果,效率高。     

数据仓库中实化视图的联机维护分析

数据仓库中的信息是由各个独立分布的数据源的数据汇集而成，数据仓库中实化视图的联机维护是数据仓库系统维护的一项关键技术。本文通过例子说明了视图维护中会产生的数据不一致性问题，并详细分析了基于补偿、基于维护库和基于版本控制的三种视图维护方法。     

实视图选择中的查询分布统计

研究了在系统运行过程中统计查询分布的方法,分析了直接统计时可能遇到的困难,为此提出了查询泛化的疗法,并给出查询泛化的两种算法,对将实视图选择理论用于数据仓库工程实践有一定的参考价值。     

基于ROLAP医保查询系统设计与实现

本文论述了将OLAP用于医疗保险管理系统。把OLAP与数据仓库结合起来，为管理者提供决策分析信息，由于数据仓库是一个庞大而复杂的系统，在实际中并没有得到十分广泛的应用。考虑到医疗保险管理系统的实际要求，我们提出了基于ROLAP的多维数据库建模的思想以及具体设计实现过程。     

ROLAP和MOLAP的研究

如今许多企业已构建了数据仓库,并且通过使用联机分析处理OLAP技术可以使决策人员从数据仓库中获取有用信息。然而应用OLAP时,人们遇到的问题是,到底采用ROLAP还是MOLAP。本文将对这两种模式做相应的比较分析。     

ROLAP原型系统设计

该文通过语义层定义技术给出了一个用于描述ROLAP工具的系统原型,并对其中的SQL转换部分给出了算法。     

基于蚁群-遗传算法的物化视图选取策略

将蚁群算法和遗传算法相结合用于物化视图选取问题。利用遗传算法较强的全局搜索能力对蚂蚁每次的搜索结果进行优化改良,并在信息素更新时,同时考虑最优、最差路径上的信息素更新。实验结果表明,该算法不仅提高了解的收敛速度,也成功解决了蚁群算法易“早熟”而引起的停滞现象。     

ROLAP查询优化的研究

如何提高ROLAP的响应性能是ROLAP是否真正能在企业级的BI解决方案中得到广泛使用的关键技术问题之一。而查询优化是解决ROLAP性能问题的重要环节之一,本文针对基于预计算汇总的ROLAP查询优化及基于采样的查询优化进行深入的探讨。     

The cgmCUBE project: Optimizing parallel data cube generation for ROLAP

On-line Analytical Processing (OLAP) has become one of the most powerful and prominent technologies for knowledge discovery in VLDB (Very Large Database) environments. Central to the OLAP paradigm is the data cube, a multi-dimensional hierarchy of aggregate values that provides a rich analytical model for decision support. Various sequential algorithms for the efficient generation of the data cube have appeared in the literature. However, given the size of contemporary data warehousing repositories, multi-processor solutions are crucial for the massive computational demands of current and future OLAP systems. In this paper we discuss the cgmCUBE Project, a multi-year effort to design and implement a multi-processor platform for data cube generation that targets the relational database model (ROLAP). More specifically, we discuss new algorithmic and system optimizations relating to (1) a thorough optimization of the underlying sequential cube construction method and (2) a detailed and carefully engineered cost model for improved parallel load balancing and faster sequential cube construction. These optimizations were key in allowing us to build a prototype that is able to produce data cube output at a rate of over one TeraByte per hour. Research supported by the Natural Sciences and Engineering Research Council of Canada (NSERC).