多路数组聚集优化算法

针对MOLAP服务器中多维数据的聚集操作，在传统的多路数组聚集算法的基础上，提出一种寻找最优聚集次序的计算方法。在实际计算中，应用这种方法可以方便、快捷地对以数据立方体形式存储于MOLAP服务器中的多维数据进行聚集操作。

对多路数组聚集方法的研究及其优化

为了解决针对MOLAP服务器中的数据立方体的有效计算问题,对立方体全物化的多路数组聚集方法进行了研究与分析。在此基础上,提出了一种寻找最优聚集次序的方法,该方法克服了传统多路数组聚集需要计算所有扫描次序的缺陷,通过对各维数据的比较,找到一种特定的扫描方式,以方便、快捷地对以数据立方体形式存储于MOLAP服务器中的多维数据进行聚集操作,进而优化数据立方体的有效计算。

使用MapReduce提高多路数组聚集效率

多路数组聚集技术主要用于以高维数组为基础数据结构的数据立方体的完全立方体计算。随着大数据时代的到来,对数据高效的分析利用显得尤为重要,但同时海量的数据又使得计算变得富有挑战性。在这种背景下,论述了一种将大数据时代普遍使用的MapReduce技术与多路数组聚集技术相结合的方法,以提高完全立方体计算的效率。

多路方体聚集完全立方体计算算法

数据立方体的预计算对于提高联机分析处理性能至关重要。在借鉴多路数组聚集完全立方体计算算法的基础上,提出了利用数据结果集驱动的完全立方体计算算法。算法在扫描完成一个方体的同时,完成方体沿各个维攀升形成的多个新方体的聚集值的计算,从而完成多路方体聚集。该算法支持大数据量立方体的计算。应用结果表明,算法可行,且易于实现。

在数据仓库中如何有效地实现数据立方体的计算

有效的实现数据立方体的计算是提高数据仓库查询效率的有力方法。在设计方体时要对方体维护成本和查询响应时间这两个因素加以考虑,从而产生了方体的部分物化和全物化两种方法。通过对数据仓库中如何有效的进行数据立方体计算的讨论,提出了实现数据立方体部分物化和全物化的算法。