一种基于多维数据库的OLAP实现方法ADT：数据仓库的工具应用讨论

“数据仓库”是近数年来兴起的一种数据处理技术,其特点是对数据的长期保留并作出分析的支持决策,在其应用的工具中,国外新兴了一门针对特定问题的联机数据访问和分析的软件技术,称之为OLAP(On_Line Analytical Process-ing).OLAP的两种实现技术MOLAP(多维数据库OLAP)和ROLAP(关系型OLAP)现在正处于激烈的竞争之中.事实上,这两种技术各有特色,各有利弊,本文结合了ROLAP与MOLAP两种技术的特点,阐述了采用MOLAP ADT方法来实现的OLAP技术,相信研究数据库和数据仓库的读者会对此有一定的兴趣.     

基于数据仓库联机分析处理技术的研究

随着数据仓库理论的发展,数据仓库系统已逐步成为新型的决策管理信息系统的解决方案,而数据仓库系统的核心是联机分析处理。主要介绍了OLAP技术和多维数据领域中的一些基本概念及多维数据分析的主要方法和多维数据的3种存储模式：ROLAP、MOLAP、HOLAP。     

OLAP性能测试方法研究与实现

随着商业智能市场的逐步扩大,联机分析处理(OLAP)系统的使用质量评估已经成为数据库应用的研究热点.作为效用特性的OLAP系统性能评估需要一个性能基准.以OLAP委员会推出的APB-1性能基准为基础,首先设计了面向多维数据库的立方体(Cube)模型以及相应的多维表达式(MDX)查询模板,在Cube模型设计的过程中修改了APB-1基准ROLAP星型模型的不足之处;接着在测试数据一致和测试参数一致的前提下,通过对设计的MOLAP模型查询结果与ROLAP模型查询结果进行对比分析,证明了MOLAP模型及MDX查询模板设计的正确性;然后给出了OLAP性能测试流程,描述了支持ROLAP和MOLAP性能测试的工具框架及其主要模块.最后使用该测试框架在商业数据库管理系统上对ROLAP和MOLAP进行并发查询实践,验证了框架的有效性.提出的方法及技术实现为未来OLAP产品性能的测试和评价提供多维数据模型、业务模型和工具的支持.     

联机分析处理的实现及其性能调优

本文首先对联机分析处理(OLAP)技术进行了简要的介绍．接下来提出了联机分析处理的三种实现方式．关系型联机分析处理(ROLAP)．多维联机分析处理(MOLAP)．混合联机分析处理(HOLAP)．其中对多维联机分析处理的存储方式进行了重点描述．并阐述了基于多维数据组织的MOLAP的性能调优方法．用以提高联机分析处理工具的开发效率．推动计算机应用技术的进一步发展。     

论OLAP的三种实现技术

OLAP（On—Line Analytical Processing）是数据仓库系统的主要应用，它支持复杂的分析操作，侧重决策支持。文章从数据的存储方式，钻取操作，数据更新，和性能上研究了OLAP的三种实现技术ROLAP（Kehtional OLAP），MOLAP（Multidimensional OLAP）HOLAP（Hybrid OLAP）的不同和三种实现技术的适用范围。     

Oracle准备好的与没准备好的

准备好的:ROLAP技术为了在技术上支持NCA,数据库开发商Oracle及其OLAP伙伴们,正努力提高新型的决策支持方案。计划的核心是在Oracle的Express多维数据库技术中,加入ROLAP(Relational OnLine Analytical Processing)选项。这个选项允许用户把Oracle 7关系型数据库和Express结合起来,用Express作为一个计算引擎来分析关系型数据,而不必把它预存于     

提高0LAP系统性能的方法研究

1.引言随着市场竞争的日趋激烈,近年来企业更加强调决策的及时性和准确性,这使得以支持决策管理分析为主要目的的应用迅速崛起,这类应用被称为联机分析处理(OLAP),OLAP应用主要是指通过各种即席复杂查询,对数据仓库中存储的数据进行各种统计分析的应用。由于各种OLAP查询涉及大量的数据,非常复杂,并要求比较快的响应速度,因此除了研究如何形式化描述OLAP查询与操作外,还需要研究各种OLAP查询和处理的有效方法。本文首先介绍OLAP的概念和分类,然后研究了提高OLAF系统应用性能的主要的技术。文章的第四部分分析ROLAP和MOLAP两种方式的优缺点,给出了一个结合ROLAP和MOLAP的查询解决方案。最后给出结论和进一步的研究方向。     

基于缓存机制的ROLAP系统改进方法研究

ROLAP相对于MOLAP在处理多维数据性能方面有很多不足.给出ROLAP的体系结构,研究了改进ROLAP系统性能的若干方法,如实视图技术、索引技术以及并行处理技术,重点分析了如何在SQL生成器中处理查询优化,并提出在ROLAP设计和应用中引入缓存机制,进一步提高ROLAP系统的查询性能.     

一种适应GPU的混合OLAP查询处理模型

通用GPU因其强大的并行计算能力成为新兴的高性能计算平台,并逐渐成为近年来学术界在高性能数据库实现技术领域的研究热点.但当前GPU数据库领域的研究沿袭的是ROLAP(relational OLAP)多维分析模型,研究主要集中在关系操作符在GPU平台上的算法实现和性能优化技术,以哈希连接的GPU并行算法研究为中心.GPU拥有数千个并行计算单元,但其逻辑控制单元较少,相对于CPU具有更强的并行计算能力,但逻辑控制和复杂内存管理能力较弱,因此并不适合需要复杂数据结构和复杂内存管理机制的内存数据库查询处理算法直接移植到GPU平台.提出了面向GPU向量计算特性的混合OLAP多维分析模型semi-MOLAP,将MOLAP(multidimensionalOLAP)模型的直接数组访问和计算特性与ROLAP模型的存储效率结合在一起,实现了一个基于完全数组结构的GPU semi-MOLAP多维分析模型,简化了GPU数据管理,降低了GPU semi-MOLAP算法复杂度,提高了GPU semi-MOLAP算法的代码执行率.同时,基于GPU和CPU计算的特点,将semi-MOLAP操作符拆分为CPU和GPU平台的协同计算,提高了CPU和GPU的利用率以及OLAP的查询整体性能.     

一个面向OLAP应用的多维数据查询语言及其在对象关系数据库中的实现

该文提出了一个面向联机分析处理(OLAP)的多维查询语言,为多维查询的方便表达提供了一个直观的高层界面。这一查询语言的独特之处在于能够很好地支持具有继承关系的维层次结构,这种维层次结构在传统的关系型的ROLAP中是难于用星型/雪花模式表示的。文章将这一查询语言实现于对象关系数据库之上。并通过实例进行说明,对象关系数据库所特有的基本类型扩展能力、复杂对象的表示以及继承机制,使得对多维数据的描述更加灵活、多维操作更为高效。     

一个面向OLAP的多维层次聚簇存储模式

文献[2]针对ROLAP提出的多维层次聚簇存储模式（MHC）,极大地提高了查询效率。然而与ROLAP相比,MOLAP往往具有更高的存储效率和查询效率。这让人自然地联想到：如果能构造一个集二者优点为一身的混合型OLAP系统,以实现MHC,也许能进一步提高系统性能。作为这一设想的探索性研究,本文利用ORDBMS的可扩展性实现了这一原形系统：多维数据按维层次分块聚簇,其中每个分块以数组ADT存储,分块间以B^＋树索引聚簇。实验表明,本文提出的MHC实现能有效减少存储空间,进一步提高查询性能。     

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(Relational OLAP)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。     

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。     

一种负载敏感的OLAP查询结果缓存管理技术

OLAP(On Line Analysis Processing)是数据仓库的典型应用,在数据仓库中频繁并发地执行涉及较大数据量的OLAP查询时,其查询处理效率易于逐渐降低。缓存技术是一种有效降低OLAP查询处理延时的方法。在现有的缓存数据存储、淘汰策略等研究工作的基础上,结合OLAP任务的负载特性、OLAP任务的结果集大小等因素对性能的影响,提出了一种负载敏感的OLAP查询缓存管理技术Workload-LRU,并实现了一个ROLAP(Relational OLAP)原型系统。实验证明,Workload-LRU技术获得了较好的性能提升效果。     

数据模型及其发展历程

数据库是数据管理的技术,是计算机学科的重要分支.经过近半个世纪的发展,数据库技术形成了坚实的理论基础、成熟的商业产品和广泛的应用领域.数据模型描述了数据库中数据的存储方式和操作方式.从数据组织形式,可以将数据模型分为结构化模型、半结构化模型、OLAP分析模型和大数据模型.20世纪60年代中后期到90年代初,结构化模型最早被提出,其主要包括层次模型、网状模型、关系模型和面向对象模型等.20世纪90年代末期,随着互联网应用和科学计算等复杂应用的快速发展,开始出现半结构化模型,包括XML模型、JSON模型和图模型等.21世纪,随着电子商务、商业智能等应用的不断发展,数据分析模型成为研究热点,主要包括关系型ROLAP和多维型MOLAP.2010年以来,随着大数据工业应用的快速发展,以NoSQL和NewSQL数据库系统为代表的大数据模型成为新的研究热点.对上述数据模型进行了综述,并选取每个模型的典型数据库系统进行了性能的分析.     

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。     

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。     

论OLAP的三种实现技术

OLAP(On-LineAnalyticalProcessing)是数据仓库系统的主要应用,它支持复杂的分析操作,侧重决策支持。文章从数据的存储方式,钻取操作,数据更新,和性能上研究了OLAP的三种实现技术ROLAP(RelationalOLAP),MOLAP(MultidimensionalOLAP)HO-LAP(HybridOLAP)的不同和三种实现技术的适用范围。     

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。