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。     

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.     

一种基于星型模型的增量更新算法

在进行数据仓库的OLAP联机分析处理时,通常采用预先聚集(Aggregate)操作生成概括数据的方法提高查询效率;但是,基于星型模型的数据仓库中的维表的纠错改变和自然改变将会引发概括数据的不正确问题.本文通过研究星型模型维表及其变化的特点,提出了一种增量更新算法,在几乎不增加空间的情况下,降低时间复杂度的增量更新;并通过性能验证,分析算法的可行性.     

数据仓库在企业决策系统中的应用

如何迅速从海量数据中获得准确的决策信息是现代商业企业致胜的关键.以数据仓库及OLAP Services为工具,通过建立多维数据模型和数据立方体,针对企业销售数据设计一个数据仓库管理系统,把事务数据库中原始混乱的数据集成转化变成数据仓库中规范的数据方便用户的查询,进而辅助企业决策.实际证明系统实用方便,大大提高企业信息管理效率.     

基于覆盖码预排序的数据立方体部分和top-k查询算法

在决策支持系统中,排序查询是研究的热点问题。提出了一种在OLAP(数据仓库)数据立方体中对部分和查询结果进行排序的高效算法,该算法综合利用覆盖码和预排序,有效地解决了对部分和结果的top-k查询问题。实验结果表明无论数据在随机分布还是存在主导集情况下,该算法都能很好地改进查询的时间代价。     

数据仓库在决策支持系统中的应用

综合应用数据仓库技术与联机分析处理技术开发了外资管理决策支持系统，提出了该数据仓库系统的实现方案和架构，并阐述了实现前台分析应用与OLAP服务集成的关键技术，即如何访问数据立方体中多维数据和如何管理元数据以控制OLAP服务，另外，从效率和灵活性两个角度给出了基于数据库和基本数据仓库分析的性能比较。     

数据仓库中一种有效的高维联机分析处理方法

在大量数据仓库系统中,对于一个d维的data cube, 数据立方体(cube)可以生成2d个聚集cuboids, 然而随着数据仓库维数的增长,计算这些预聚集数据已经成为一个瓶颈.在minimal cubing方法的基础上,提出一种具体层次语义特性的多维层次数据立方体--前缀索引立方体(prefix-index cubing)技术,将高维cube划分成若干个低维立方体cube, 以实现高维cube的分布式存储和并行计算.理论分析与实验结果表明,相对于以往的minimal cubing等方法, 前缀索引立方体方法的性能显著提高.     

OLAP聚集计算中的维存储技术

为解决传统行存储结构导致OLAP聚集计算效率低下的问题,设计了基于维存储的OLAP数据存取技术.首先,将OLAP事实表中的维属性集和度量属性集定义为2个列族,每张维表的所有属性定义为1个列族.对维表进行二进制编码,生成维层次编码,从而保持了维的层次语义特性.以(维层次编码,度量值)对形式按列组织数据,消除查询时维表与事实表的复杂连接操作运算.然后,采用自底向上方法构建B+树,对维层次编码进行索引,加快了数据读取效率.通过增删事实表和维层次编码-度量表中相应的列,实现维和度量的增加和删除.性能分析结果表明,这种OLAP数据存取技术具有良好的可扩展性,能高效地管理和存取OLAP海量多维数据,有效支持上层OLAP聚集计算.     

数据仓库中一种基于维层次编码的位图索引方法

为了减少OLAP中的多表连接,压缩维属性连接关键字,对查询数据进行有效地分组聚集操作,来提高OLAP查询速度.利用维属性具有层次特性对维成员进行编码,生成其维层次编码,来代替维表中原关键字,实现了维表关键字的压缩.通过编码长度较小的维层次编码及其层次前缀路径,对维层次编码进行前缀匹配操作,快速检索出与查询关键字相匹配的维层次编码,求得维层次属性的查询范围,从而大大减少和简化了事实表与维表之间的多表连接,减少了I/O开销,提高了OLAP查询效率.     

OLAP技术的分析

介绍了OLAP的概念 ,OLAP的分类 ,ROLAP和MOLAP的比较分析 ,OLAP与数据仓库的关系 ,OLAP工具的评估 ,流行的OLAP工具 ,为提高OLAP的性能可以采用星型模式组织数据、采用索引技术、大的数据表分片为许多小表、维的逆规范化、构建概要表、采用并行查询技术     

基于维层次性的Data Cube存储优化方法

根据Data Cube模式中维的层次性,提出了层次式B^＋树及维层次编码的概念,并应用于层次树形Cube（HT Cube）方法中．HT Cube将维划分为聚集维与分析维,在分析维上利用层次式B^＋树除去了冗余数据,并在查询过程中形成维层次编码,在聚集维上则利用维层次编码组合而成的分析维编码进行索引,从而可以高效地检索到聚集值．理论分析和实验证明,该方法不但节省了存储空间,而且可利用层次信息高效地进行各种OLAP查询,为Data Cube模式更新、OLAP查询导航和OLAP查询行为分析的实现提供了可能．     

一种基于维层次的Data Cube压缩存储方法

针对维层次的特点,提出一种利用基表元组的标识维来对Data Cube来进行压缩存储（Hierarchical Compress Storage Cube,HCSCube）的方法。在定义基表元组与Data Cube中聚集元组的导出关系后,DataCube中的一些聚集元组的聚集值可以由基表元组导出关系得到,因而可以合并保存,从而实现了Data Cube的压缩存储。理论分析和实验表明,基于维层次的压缩存储方法不仅能显著的减小Data Cube的存储空间,而且在查询效率上也有改进。     

分析处理XML文档学形态学方法

在线联机分析处理(OLAP)是一个分析商业信息趋势的重要工具。虽然OLAP用多维立方体模型来分析结构化的商业数据是理想的,但是它并不适合用来表现和分析复杂的半结构化数据,如:XML文档。因为在广泛的应用领域,XML都是表现数据的语言选择,所以分析XML文档是必需的和紧迫的。描述了一个用XML树模型来分析XML文档的想法。鉴于OLAP的多维聚合操作不能够表示XML文档上的、结构复杂的分析操作,提出了新的、扩展了的XQUERY来支持这种复杂的分析操作。     

联机分析中数据预计计算的一种实现方法

在联机分析的多维模型基础上，提出了实现预计算的一种快速算法，模拟计算的结果，验证了该方法的有效性。     

QGrid:一种空间移动对象并行索引结构

为提高空间移动对象数据更新效率和查询准确率,提出了一种空间移动对象并行索引结构.利用主索引和辅助索引支持对空间对象进行基于范围的查询和基于对象标识的查询,还通过查询索引将更新操作和可能受其影响的查询操作相连接,在满足并行操作时间片语义的同时,避免了传统方法进行范围查询时对查询范围内相关对象及相关索引结构全部进行锁定的需求.实验结果表明:高负载环境下,该索引结构不但能保证查询准确率,其处理能力也明显优于传统索引结构.该索引通过提高系统并行度,使同一范围内的更新和查询操作可以并行执行,提升了系统整体运行效率.     

基于层次序列OLAP-Cache在大规模监测数据查询优化中的应用

利用OLAP进行大规模监测数据查询时存在效率低和实时性差的问题,传统解决方法主要利用缩小数据集市数据的方法,虽然在一定程度上提高了查询效率,但是会出现丢失数据的现象。提出在基于聚类方法基础之上进行层次序列OLAP查询优化,并针对大规模海洋监测数据的特点提出OLAPCache多级查询方法。在该算法中,首先分析OLAP序列立方体的查询效率问题;其次以等价类的层次关系为基础,确定等价的上下界和聚类值;然后利用改进的各级查询层次的运算策略来判断OLAP查询的语义特性,提高其Cache性能;最后结合OLAP查询集的闭包中存在最小蕴含关系的特点,对OLAP查询的蕴含关系进行分组查找。通过大规模监测的海洋数据对该算法进行仿真验证,仿真表明,该算法有效地避免了对大规模海量数据的递归查询,具有较好的执行效率。     

基于DWarf的语义压缩数据方体计算研究

提出了一个可以减少磁盘访问次数的快速Dwarf计算算法Q-Dwarf,避免了在构建Dwarf过程中,计算汇总单元时不必要关闭结点的频繁I/O磁盘访问,节省了时间.并在此结构上构建查询算法以及增量维护算法.实验证明了一系列算法的效率和有效性,尤其适合数据仓库中的高维数据集.