基于数据仓库的OLAP技术的研究

随着数据处理技术在企业的成功应用,企业积累了大量的生产、科研和业务数据,为了解决企业决策人员面对浩瀚如烟的数据却很难及时获得决策支持信息的问题,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。本文介绍了数据仓库技术和OLAP的基本概念,分析阐述了基于数据仓库的OLAP的三种存储机制,及联机分析处理OLAP在数据仓库应用中的作用。重点研究了基于关系型数据库的ROLAP(RelationalOLAP)技术,主要介绍了ROLAP的特点,ROLAP的两种模型:雪花模型与星型模型,以及OLAP的多维分析技术。     

主流商务智能软件分析

本文采用基于OLAP的分类方法,从技术角度对当前商务智能软件进行了分类和深入剖析,并对具有代表性的主流商务智能产品的性能进行了比较,对如何正确选择和利用适合自己应用的BI工具进行了探讨。     

基于关系数据库的OLAP的研究

分析了联机分析处理ＯＬＡＰ在数据仓库应用中的作用,比较了几种形式的 ＯＬＡＰ,重点研究了基于关系型数据库的ＯＬＡＩ,（Ｒｅｌａｔｉｏｎａｌ　ＯＬＡＰ）的特点、数据存储机制以及基于三层客户／服务器的ＯＬＡＰ的体系结构等。     

数据仓库技术及其在电信行业中的应用研究

信息技术已取代数据处理技术成为信息产业研究的热门话题,业界所面临的问题不再是简单地处理数据,而是如何使用数据。介绍了数据仓库的基本知识和OLAP在数据仓库中的应用,阐述了关系型数据库ROLAP及其特征,最后以数据仓库在电信行业中的应用来介绍数据仓库的具体实现。     

数据仓库系统中组件的实现技术研究

数据仓库作为一项数据管理领域的新技术,从系统实现角度到目前为止还没有成熟,可靠且能被广泛接受的系统中各组件的构建标准．为此根据数据仓库系统总体框架,提出数据仓库系统中各主要组件的实现技术和方法。以此为基础,并结合已有的业务系统,企业可以逐步构建完整的、健壮的数据仓库系统。     

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。     

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。     

ROLAP中星型模型的索引优化策略

目前主要有三种方法来提高ROLAP查询效率：聚集策略、即席查询策略以及采用高性能软硬件并行计算机系统结构。文中以暂住人口数据仓库为例,阐述如何利用索引来提高ROLAP的查询效率。主要讨论了位图索引和数据索引对ROLAP的查询优化,并从查询时间的长短以及数据占用存储空间的大小来比较这两种方法的优缺点。     

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。     

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。     

MOLAP中层次维的存储

支持层次推是OALP的一个重要特征，在ROLAP中已有相关的研究，但对MOLAP，已有的文献很少注意到，该文给出了层次维的一个概念模型，在此基础上，给出了两种用数组存储层次维的方法，并加以比较。     

基于三层结构的联机分析处理(OLAP)系统的研究与设计

数据仓库和联机分析处理(OLAP)技术是信息技术领域的新兴技术。OLAP采用多用户的三层Client／Server结构。使用OLAP技术可以将大量源数据有效地转化为有用的知识信息，并服务干决策过程。本文根据证券交易业务提出的基于三层结构的OLAP系统的实现方案，解决了传统的OLTP系统所无法解决的大量历史数据的使用问题，以及用户所面临的基于大量历史数据的分析统计问题。     

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).     

数据仓库及联机分析处理技术

数据仓库和联机分析处理（Ｏｎｉｎｅ Ａｎａｌｙｔｉｃａｌ Ｐｒｏｃｅｓｓｉｎｇ,简称ＯＬＡＰ）是决策支持系统的有机组成部分。本语文介绍了数据仓库、数据集市、联机分析处理的概念,分析并比较了建立数据仓库的三种策略及联机分析处理系统的三种结构,在文章结尾我们给出了联机分析处理系统的两个新的发展方向－ＷＥＢ
ＯＬＡＰＯＬＡＰ＋数据挖掘。