视图技术在OLAP中的应用

视图技术被广泛应用于OLAP(联机分析处理)之中.由于不同类型的用户关心的商业信息内容有所不同,那么将用户关心的商业信息细节定义成视图,就能够方便地进行使用和联机分析处理.本文主要讨论在OLAP之中视图技术的应用及其在应用之中的注意事项.     

数据仓库集合刷新联机维护算法

随着数据仓库应用的不断扩展和深入,它的联机维护技术也显得越来越重要。提出一种版本控制集合刷新算法VSRA(Version-controlSetRefreshingAlgorithm),它采用增量维护和批处理思想,首先根据原始数据的变化集合,计算出实体化视图的刷新集合,然后据此集合刷新实体化视图,同时利用版本控制保持数据仓库与当前数据库状态的一致性,达到对数据仓库联机维护的目的。VSRA算法采用集合方式一次处理一批数据,不但减少了数据仓库与数据库之间的通信开销,而且提高了数据仓库的刷新效率.严格的版本控制使用户可以随时使用数据仓库进行联机分析处理(OLAP),并得到正确一致的结果.在文后,通过一个典型示例说明了算法的具体应用.     

数据仓库中实体化视图的一种维护算法

实现实体化视图是提高系统响应时间的一个关键技术和有效的解决方案,在具体的实现过程中面临着实体化视图的维护问题. 由于源数据的不稳定性,其数据的变化必须及时传播到实体化视图中,以保持实体化视图与源数据的变化一致性,否则会降低实体化视图中数据的新鲜度,并影响联机分析处理(OLAP)查询结果的真实性和有效性. 针对视图的维护问题,提出了实体化视图的一种维护算法,它将使视图重计算代价最小化.     

ROLAP Server中一种实体化视图选择改进算法

数据仓库中用存储大量的实体化视图来加速OLAP的查询响应,如何在存储空间受限制的条件下高效准确地从实体化视图中找到用户需要的结果,成为ROLAP Server设计的一个重点和难点。这里提出了一个有效的实体化视图选取改进算法,考虑了加入候选视图和减少候选视图对整体空间和整体成本的影响因素,以达到候选实体化视图的加入与删除的最优化,获取较低的选取视图成本,经分析与测试表明,该算法取得良好的效果和效率。     

基于OLAP查询的数据集市系统的研究

研究了通过对数据仓库视图进行水平分割来建立数据集市系统，提高OLAP查询效率的方法和技术。提出了根据OLAP查询中的选择谓词构造其最小项谓词，选择数据仓库立方体视图进行水平分割，利用视图分割后的裂片建立的数据集市来回答查询，达到减少访问的视图元组数和加快查询响应时间，从而提高OLAP查询效率，削减维护费用。     

面向商业OLAP的并行数据抽取接口设计

商业竞争日趋激烈的今天,单纯的联机事务处理系统已经不能满足管理者的决策支持要求,联机分析处理(OLAP)技术的出现具有重要意义.研究了目前联机分析处理的关键技术,数据仓库的经典解决方案,数据预处理的相关方法,提出了一种面向商业OLAP的并行数据抽取接口设计方案,并对设计过程中的数据清理、数据集成和变换、数据归约等数据预处理技术作了重点介绍和应用研究.最后结合实际应用阐明了提出的数据抽取方案对于实现商业OLAP功能的有效性和实用性.     

基于费用分析的医疗数据仓库的实现

利用现有HIS系统,通过数据集成、数据组织和管理、多维视图可视化和实体化研究以及OLAP（联机分析处理）等技术,建立一个以门诊和住院为主体的＂医疗费用分析＂数据仓库系统,为医院管理人员提供更多的辅助决策支持,充分满足医院信息化建设发展的需要。     

一种高效的实视图选择算法

数据往往被存储在分布式的数据源中,当需要对数据做查询操作时,就无法像查询单数据源那样有效率.联机分析处理(OLAP)被提出,并用来克服这个问题.在这个过程中,为了提高OLAP的查询效率,采用了将视图实体化的技术,即将综合性的复杂的查询结果放入实视图中,再将OLAP查询与实视图相互关联起来.但是,实视图需要占据大量的物理存储空间,而当数据源一旦更新时,为了与底层数据源保持一致,必须对实视图进行相应的更新维护,从而产生实视图的维护代价,因此实视图选择必须在提高查询响应速度和资源限制二者之间做出一定的权衡.文章提出了一种算法,可以在对维护代价一定条件约束下,使得查询代价达到最小的算法.经过实验,该算法不仅计算复杂度较小,而且维护成本较低.     

数据物化策略研究

提高OLAP的响应速度和减少数据仓库中的数据存储量进行查询优化是数据仓库研究的核心问题。本文根据多维数据仓库的结构特点在满足OLAP需求下提出了一种视图物化的策图和分介质、变粒度存储策略,提高了OLAP响应速度。减少了数据仓库中的数据存储量。     

数据仓库环境下的视图联机维护技术

视图联机维护技术是数据仓库技术中的重要研究领域之一。在系统总结国内外相关领域的主要技术的基础上，对目前所取得的研究进展和研究现状在进行了综述，为下一步的深入研究奠定了基础。     

高维层次聚集Cube并行创建与存储方法

提出一种将高维层次聚集Cube划分成若干个低维立方体M ini-Cube的并行创建与存储方法,利用并行处理技术来创建这些分割的分段共享M ini-Cube及其聚集Cuboids,实现高维层次聚集Cube的并行创建和增量更新维护,从而解决高维OLAP聚集海量数据的存储与查询问题.理论分析与实验结果都表明,相对于以往的Full Cube完全创建和Partial Cube部分创建等传统方法,基于分段M ini-Cube并行处理方法的性能有显著的提高.     

数据仓库技术及其在Web上动态报表中的应用

介绍了数据仓库技术,结合实际项目阐述了构建数据仓库及利用PivotTable组件来创建功能强大的基于Web的数据分析系统。用户可以在Web浏览器中对数据进行统计、过滤和重组,即实现一般的数据挖掘功能。系统后台由Microsoft OLAP(Online Analytical Processing)Servers支持,前台采用ASP（Active Server Page)实现,该系统在网页上可实现方便灵活的动态报表。     

联机分析处理及其在商业自动化中的应用

讨论了一个利用OLAP技术并基于某商业CIMS系统的数据仓库应用方案,为OLAP应用的实施奠定了基础;并对商业自动化中的OLAP应用的设计进行了详细的研究,在设计中实现了数据仓库和OLAP的概念、体系、结构、特征要素,以及OMDDM模型的数据结构．     

联机分析处理(OLAP)技术研究

在简要分析ＯＬＡＰ与数据仓库关系的基础上,介绍了ＯＬＡＰ系统的一种体系结构,数据组织模式及其有关实现的关键技术。     

基于数据挖掘的白酒企业决策支持系统研究

以数据仓库,联机分析处理(OLAP)和数据挖掘技术构建白酒企业决策支持系统.系统通过数据仓库对来自不同数据源、历史的数据进行存储;采用联机分析处理技术对数据仓库中的数据进行多角度、多层次等分析;通过数据挖掘,从数据仓库中识别和提取隐含的知识,为企业决策人员提供强有力的决策辅助支持.     

连锁超市配送决策支持系统的模型与实现

数据仓库和联机分析处理是决策支持系统的有机组成部分，结合连锁超市配送决策支持系统的实例，提出了基于数据仓库和联机分析处理的决策支持系统的解决方案，并对如何完善模型作了进一步的探讨。     

面向券商的证券分析OLAP系统设计与开发

随着中国加入WTO,证券服务业的竞争越来越激烈,券商要想在竞争中求生存,就必须提高自身的服务质量和水平,其中信息服务尤为关键,经过多年的经营,券商拥有了大量的历史数据,却无法完全利用他们;公司内部存在多种数据环境,难于集成在一起,而数据仓库和OLAP(在线分析处理)分析技术对此提供了较好的解决方法.通过运用DW(数据仓库)和OLAP(在线分析处理)等新技术,结合决策支持系统和证券分析模型的基本理论,为券商设计了一个基于数据仓库的证券分析OLAP系统,辅助公司管理者进行决策,并通过该系统为客户提供更高质量的信息咨询服务.