OLAP技术及其在电信行业中的应用

本文介绍了OLAP技术的基本概念,并将其与OLTP进行对比,分析了OLAP与数据仓库的关系,着重研究了OLAP系统的设计及其在电信行业的具体应用.     

旅行社客户关系OLAP系统的设计与实现

针对旅行社基于传统数据库技术的信息系统存在的不足,提出了将OLAP技术应用到旅行社的客户关系管理中,并给出了基于Web的旅行社客户关系OLAP系统的设计与实现方法.讨论了系统的体系结构设计,数据仓库模型设计,数据的抽取、转换和加载及多维数据集的设计,对基于Web的OLAP实现技术进行了探讨.     

不对称内存计算平台OLAP查询处理技术研究

给出了一种面向当前和未来不对称内存计算平台的OLAP查询处理技术.不对称内存计算平台是指配置有不同计算类型的处理器、不同存储访问设备的计算机,因此需要对OLAP查询处理模型按不同的计算特点进行优化存储配置和实现算法设计,从而使OLAP查询处理的不同阶段更好地适应相应的存储与计算设备的硬件特点,提高硬件设备的利用率,更好地发挥硬件的性能.提出了3阶段OLAP计算模型,将传统基于迭代处理模型的OLAP查询处理过程分解为计算密集型和数据密集型负载,分别由功能完备的通用处理器和并行计算能力强大的协处理器分而治之地完成,并最小化不同存储与计算设备之间的数据传输代价.实验结果表明基于负载划分的3阶段OLAP计算模型能够较好地适应CPU-Phi不对称计算平台,实现通过计算型硬件加速计算密集型负载,从而加速整个OLAP查询处理性能的目标.     

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     

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.     

FOLAPE：基于位向量索引的快速OLAP引擎研究

提高联机分析处理OLAP效率是学术界和工业界共同关注的课题.传统OLAP在处理复杂应用时,运算代价随维度增大而增大,为解决这一问题,做了如下工作:(1)分析现有OLAP模型的不足,设计了一种采用位向量索引技术的快速OLAP模型,FOLAPE;(2)FOLAPE支持索引的增量式更新,提高了数据更新效率;(3)针对FOLAPE特点,设计了新的聚集函数算法;(4)在真实数据上进行了实验验证.实验表明,FOLAPE相对于最新OLAP模型,其平均查询时间最低减少90%,最高减少95%,同时存储空间需求也显著降低.     

数据挖掘技术在ETC客户关系管理中的应用研究

建立基于Web的客户关系管理可以更加适应网络经济环境下企业的需求.文中提出了一种Web下基于OLAP与数据挖掘技术的CRM系统模型,分析了ETC系统数据的特点,提出了数据仓库、OLAP以及数据挖掘技术在ETC客户关系管理系统的实施方案.     

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．     

基于OLAP技术的医疗信息多维数据集设计与分析

OLAP是基于多维数据模型的复杂数据分析技术,是数据仓库中最典型应用.以医疗信息分析系统数据仓库为基础来构建OLAP系统,并根据医疗信息数据分析的需求,选取OLAP主题,进行多维数据模型设计,以及运用多维分析方法和MDX查询设计实现多维数据分析.     

决策支持系统中OLAP的设计与实现

目的设计和实现对数据仓库中的信息进行决策分析的OLAP。方法以零售企业销售预测为切入点,研究决策支持系统中OLAP的设计。结果建立了用来进行OLAP分析的多维数据集,并对多维数据集中的数据用切片、切块、钻取和旋转等方式进行分析,用MDX多维查询语言对多维数据集中的数据进行复杂查询,提出了对OLAP分析数据展现的3种解决方案。结论在研究决策支持系统中OLAP的基础上,建立和实现了对数据仓库进行决策分析的OLAP。     

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。     

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。     

数据仓库与OLAP

本文就近年来快速发展起来的数据仓库技术和ＯＬＡＰ技术进行了讨论，比较总结了数据仓库和传统数据库的定义及功能，着重剖析了联机分析处理ＯＬＡＰ的三种结构及特征。     

最小方方法的一种优化方法

数据立方体在许多多维数据的数据仓库的高速OLAP操作中扮演着重要的角色. 但在许多高维的数据仓库的应用中，查询分析效率是个关键的问题.例如超过100维，大约106个元组.在这样高维情况下建立全物化数据立方体来减少分析时间是不可行的.利用最小方的方法可以在高维数据集上进行有效OLAP操作的方法.如果能根据查询分析的历史记录合理地为立方体的维分片,就能在相同空间复杂度的情况下提高OLAP操作的效率.     

联机分析处理与关联规则挖掘的集成化模型研究

通过分析关联规则挖掘和联机分析处理(OLAP)的特点,提出了一种联机分析处理与关联规则挖掘的集成化模型,并给出了其代数结构描述;在此基础上,提出了一种基于OLAP的关联规则挖掘理论,从而为简化挖掘步骤,提高挖掘效率奠定了理论基础;使用超市的实际数据进行实验分析,验证了该模型及其挖掘理论的正确性和可行性.     

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。     

面向OLAP的UML星系模式的构造

在现代电子商务中 ,基于Web数据的OLAP分析需要概念集成XML数据和关系数据等多种数据源·给出了一种面向OLAP分析的多维数据模型的概念描述方法 ,即在XML数据的UMLdiagram生成算法的基础上构造UML星系模式 ,以支持面向多主题的OLAP的多维数据分析