一种基于多层次链的Data Cube维层次编码

研究了Data Cube的索引技术,提出一种能够处理复杂维层次结构情况的维层次编码.维层次编码充分利用了Data Cube中维的层次性及其语义特性,结合二进制编码与维层次结构编码对维成员值进行编码,通过二进制操作,可以快速检索出与查询关键字相匹配的维层次编码.同时,基于维层次编码定义的层次链掩码,层次掩码及检索函数能够充分利用多维数据中的语义信息,实现基于语义的检索,减少了I/O开销,提高了OLAP查询效率.     

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.     

有效支持空间OLAP的空间数据仓库模型研究

为了实现各类空间联机分析,提供更加全面灵活的空间决策支持,提出了一个空间数据立方体与空间索引结构相互协作的空间数据仓库模型,并同时构建了一个与之协作的空间索引结构aR^ B_tree．aR^ B_tree基于R^ _tree和B_tree实现,存储了空间维及时间维的聚集信息和层次关系,可以有效支持区域聚集查询．对各种空间联机分析操作进行了分类,分析表明该模型充分利用了传统数据仓库成熟的建模和联机分析技术,结合了空间索引结构在空间层次结构上的灵活特性,可以有效地支持各类空间联机分析．最后比较了aR^ B_tree与其他索引结构在区域聚集查询方面的性能．实验结果证明,在区域聚集查询中aR^ B_tree的节点访问次数和查询执行时间均小于现有索引结构．     

多维数据立方体建模研究

一个数据仓库环境的成功与否,很大程度上取决于它的底层模型和标准化程度。本文在已有研究成果基础上,提出了一种新的多维数据立方体模型,并通过实例对此模型进行了描述。在此模型上可以解决目前对以度量属性为查询条件来对维属性的查询问题。     

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．     

数据仓库中两种数据模型的分析比较

指出了数据决策支持系统是当今数据库领域的研究热点，而数据仓库和联机分析处理是该领域中的2个重大的技术，数据模型又是数据仓库的核心和基础，在数据仓库中，常用的数据模型是立方体数据模型和星型数据模型，在分析比较这2种数据模型优、缺点的基础上，提出了组织数据仓库中的数据时应灵活选择模型，做到优势互补，扬长避，以调离同高性能的商业决策支持系统。     

基于XML的OLAP实现方式研究

提出了一种基于XML的OLAP实现方式——X-OLAP．用XML本身的层次结构来体现数据仓库中元组之间的聚集关系．对于数据仓库中大量存在的基本单元组,该实现方式在不增加新节点的情况下能表示所有由基本单元组产生的综合数据,有效地减小了数据仓库的体积,并且证明了所有OLAP操作都可以在该X-OLAP上实现．     

基于维层次的压缩Cube

提出利用Cube中的维层次来创建高性能的DH_Cube(dimension hierarchy cube),在DH_Cube中存储构成Cube的所有维的所有层次粒度组成的数据单元,从而实现了在1个DH_Cube中就可以存储构成该Cube的d个维所创建的2^d个立方体视图的所有信息,从而压缩Cube存储空间,提高MOLAP查询效率,减少Cube创建时间和更新时间．     

一种适应于动态环境范围查询的数据立方体

范围查询是对数据立方体进行数据分析的有效方法,预计算技术可以提高数据立方体范围查询的速度,实现快速的用户响应.近年来研究人员基于多维联机分析处理(MOLAP)预计算的研究主要以prefix sum及分块技术为基础,本文对分块方案及如何组织块内单元实施prefix sum方法进行探索,提出了前缀区域数据立方体结构(Prefix Region Cube,PRC),采用基于前缀区域的不规则的分块方案,这种分块方法利于从起始单元开始的前缀区域范围查询的实现.另外PRC在分块及对划分后的块内单元实施prefix sum时都采用回归分割技术,在不增加额外立方体空间的前提下,实现范围查询和数据更新的代价都为O(logdn).     

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.