OLAP系統(tǒng)中物化視圖選擇方法的研究.pdf

1、OLAP(On-Line Analytical Processing)技術(shù)是構(gòu)建在數(shù)據(jù)倉庫基礎(chǔ)上的一項(xiàng)重要數(shù)據(jù)分析技術(shù),它提供對(duì)數(shù)據(jù)的多維視圖,即以多維的形式來觀察各種歷史數(shù)據(jù),從而提供對(duì)決策的支持,是決策支持系統(tǒng)(DSS)的一個(gè)重要部分.而數(shù)據(jù)倉庫是一個(gè)面向主題的、集成的、不可更新的且隨時(shí)間不斷變化的數(shù)據(jù)集合,用來支持管理人員的決策.作為OLAP系統(tǒng)的數(shù)據(jù)源,它維護(hù)著海量的數(shù)據(jù),所支持的查詢形式復(fù)雜,通常需要訪問大量數(shù)據(jù),而與之矛盾的

2、,OLAP系統(tǒng)卻又要求對(duì)查詢做出快速的響應(yīng).為了解決這對(duì)矛盾,人們往往將一部分多維視圖進(jìn)行物化,即預(yù)先計(jì)算好并直接存儲(chǔ)下來,這樣就可以有效地提高OLAP系統(tǒng)的查詢效率.該文主要研究的正是物化方面的一個(gè)重要問題:即如何選擇需要進(jìn)行物化的視圖集.在該文以前,為了解決這個(gè)問題,人們已經(jīng)提出了一些方法,但無一例外的,這些方法的復(fù)雜度都非常地高,其中復(fù)雜度最小的PBS算法的時(shí)間復(fù)雜度是O(d2<'d>),其中的d是多維數(shù)據(jù)集維的個(gè)數(shù).在這樣的復(fù)雜

3、度下,無疑對(duì)于高維的多維數(shù)據(jù)集是不行的.該文為此作了進(jìn)一步的研究,并提出了ANNE算法框架,它的時(shí)間復(fù)雜度是O(dS<'3>),其中由維的數(shù)目帶來的影響降為線性,而S是一個(gè)受限的量.同時(shí),在結(jié)果集的總體性能上,ANNE的性能幾乎同原有的算法相同,并且在某些特殊情況下,該文成功地證明了甚至結(jié)果集也是完全一致的.以上的結(jié)論在實(shí)際的測試中均得到了很好的驗(yàn)證.作為國家863項(xiàng)目《基于Web服務(wù)的數(shù)據(jù)庫新技術(shù)》的一部分,我們自行設(shè)計(jì)和開發(fā)了一個(gè)R