实时主动数据仓库中多维数据实视图的选择

通过基于主动决策引擎日志的数据挖掘来找到分析规则的CUBE使用模式,从而为多维数据实视图选择算法提供重要依据;在此基础上设计了3A概率模型,并给出考虑CUBE受访概率分布的视图选择贪婪算法PGreedy(probability greedy),以及结合视图挽留原则的视图动态调整算法.实验结果表明,在实时主动数据仓库环境下,PGreedy算法比BPUS(benefit per unit space)算法具有更好的性能.

实视图维护中的更新检测

在关系数据库系统中，视图是从一个或几个表中导出的表，为了提高访问视图数据的效率，人们将视图数据也保存起来，这样的视图称为实视图．当基表发生了变化，为使实视图与基表保持一致，必须对实视图进行维护．实视图的维护可分为三个阶段：即无关更新检测、可自处理更新检测和实际维护．人们企图通过前两个阶段检测出不需要维护的更新和不访问基表数据即可进行维护的更新，这样可以有效地提高实视图维护的效率．本文针对复杂实视图，采取利用语法树进行运算分解的策略提出了检测这两类更新的解决方案。

多维数据实视图的动态选择

提出了多维数据中实视图的动态选择方案.其基本思想是由系统跟踪查询的分布情况,并据此动态地调整实视图集合.具体实现了该方案,并证明了在一定条件下,单次选择算法的效果与最优效果的差具有一定的上限.实验结果表明,动态方案的效果优于已有的其他选择方案.

数据仓库中实视图聚集函数的增量更新

提出在视图表达式树中以由下到上的方式计算中间结点的变化 ,将计算出的中间结果作为辅助视图保存在数据仓库中 ,利用这些辅助视图或子视图计算出来的聚集函数的变化 ,来计算本视图聚集函数值的更新 ,实现视图的增量维护 ,从而缩短数据仓库更新维护时间 ,提高OLAP查询效率 .同时 ,介绍了实视图中聚集函数的增量更新算法 。

实视图选择研究

定义了数据仓库领域的视图选择问题,并讨论了与该问题相关的代价模型、收益函数、代价计算、约束条件和视图索引等内容;介绍了3大类视图选择方法,即静态方法、动态方法和混合方法,以及各类方法的代表性研究成果;最后展望未来的研究方向.

实视图选取策略及其实现技术

研究了数据仓库中一般的实视图选取策略，定义一种利益代价图——ＢＣ图（ＢｅｎｅｆｉｔｓＣｏｓｔＧｒａｐｈ），并以ＢＣ图为基础给出了选取实视图集的算法．最后，将ＢＣ图扩展为ＢＣ＋图。

基于视图树的实视图动态选择

为用户缓存实视图可以有效提高其OLAP查询的性能.但是,已有的缓存管理策略由于没有考虑用户在进行OLAP分析时的数据访问特性,在处理实视图动态选择问题时无法获得好的性能.提出了视图路径和视图树的概念,并以视图树作为客户端缓存中的实视图组织方式.提出了"逆路径增长法"来快速计算新到达查询的视图路径,提高了查询的响应速度.对于视图树的动态调整问题,以"保留路径"为参照,设计了合理有效的视图替换策略.实验证明,该方法能够比已有的动态选择方法取得更好的性能.

分布式数据源的实视图维护算法研究

数据仓库作为决策支持系统的集成化数据中心,其数据可以认为是定义在多个不同数据源的实视图集。近年来数据仓库中实视图维护算法的研究激起很多学者的重视。当多个独立的数据源出现并发更新时传统的实视图维护算法可能导致视图维护异常,本文提出了一个双向扫描并行处理实视图维护(BSP)算法,能确保实视图与数据源的完全一致性,并通过实验与其它类似的算法进行了比较,说明本算法具有较高的效率。

关于实视图维护问题的研究

随着数据仓库技术的迅速发展,实视图作为其中一项可以提供数据存储方式和提高查询响应性能的关键技术得到了充分的重视。但是如何对实视图集进行及时更新,以充分发挥其加快决策查询速度的作用,并满足用户对数据一致性和时新性的要求,却是一个迫切需要解决的关键性技术问题。本文在对实视图维护问题进行了深入研究的基础上,就目前的研究现状作详细的分析和总结。

基于关系数据库的ROLAP中实视图的选择

联机分析处理(OLAP)是伴随着数据仓库出现的一种数据分析处理技术,其特点是使分析人员能够更充分地利用数据仓库中的数据资源,从多种角度、多个层次,快速地构建易为用户理解的并全面反映企业行为特征的数据快照,从而可使用户更加深入地了解企业的发展状况和趋势。ROLAP是OLAP中使用最广泛的一种类型。文中对影响ROLAP查询效率的关键技术进行了讨论,提出了一个改进的实视图动态选择算法。该算法从存储空间、查询频率、更新代价三个方面综合评价每个实视图,有效地保证了ROLAP查询的响应时间。

数据仓库中新型动态实视图选择调整算法

现有的静态实视图选择算法存在搜索空间太大、时间复杂度高以及未考虑查询的概率和分布等诸多缺点,并且当源数据发生变化时,这种变化不能立刻反映到数据仓库,不适合在线运行。针对上述问题在候选视图生成算法和IGA算法的基础上,对算法进行了动态调整,从而得出了新型物化视图动态调整算法CNUMV。经实验证明该算法降低了视图的搜索空间和时间复杂度,更重要的是该算法考虑到了各视图之间相互依赖关系对视图收益的影响,从而使算法能够动态地在线调整,并且用实验证明了CNUMV算法的优越性,达到了预期的目的。

一种扩充语义的实视图重写查询技术

分组聚集查询已成为数据仓库领域研究的核心问题之一,实视图是提高分组聚集查询性能的有效手段。利用维属性间的层次关系,对一般意义上的实视图重写查询进行了扩展,讨论了单一视图重写查询的限制条件,并给出重写方法,在此基础上,提出了一种利用多个实视图重写查询的优化选择算法,并通过实验表明,该算法进一步提高了分组聚集查询效率。

实视图选择技术的研究及实现

针对数据仓库中的OLAP查询,提出查询代价视图选择问题,给出了视图选择代价模型.基于此代价模型,采用贪心算法动态实现实视图选择,弥补了原有的静态算法的不足.

数据仓库保证任务一致性的多版本实视图维护

本文在 3vwq算法的版本控制和补充思想的基础上 ,提出利用实视图的相关性和通过灵活的版本控制解决用户查询时的任务一致性问题和视图维护的多版本问题。

地图应用中层次一关系型DBMS的实视图及其增量维护

讨论了基于层次一关系模型的视图机制，并以 ＯＥＭ模型为基础，提出了一个增量维护的算法。

实视图一致性维护ECA算法的改进

对ECA在复杂网络环境下存在的异常情况进行了讨论,提出了并发更新异常的检测方法,并对ECA算法进行了改进,有效解决了查询维护过程中出现的不一致问题。

一种对象实视图的增量维护算法OMVIMA

首先给出了一种面向对象的实视图模型———对象视图模型,可以在数据仓库中描述复杂对象,并有利于前端工具OLAP的实现。然后在此基础上提出了对象视图模型增量维护算法———OMVIMA,该算法能够有效地实现从数据源到数据仓库中对象(数据)的增量抽取和加载等维护工作。最后给出了算法的性能和效率分析,并通过应用实例证明了该算法比基于纯关系实视图的实现方法具有更高的效率。

基于AO View Graph的实视图选择算法的研究

数据仓库中实体化视图的选择关系到数据仓库的效率和维护代价,是数据仓库中研究的重要问题.基于AND-OR V iew Graph,应用视图选择的代价模型,提出了利用遗传算法实现实视图选择的方法和策略.实验结果证明,这种算法结果更优,效率更高.

在数据仓库中使用实视图优化查询

数据仓库中存放的是大量的实视图,文章利用实视图技术来优化查询。在分析传统优化查询方法的基础上,对其进行改进和扩展,给出了在数据仓库中使用实视图进行优化查询的方法和策略,以有效提高数据仓库的查询处理速度。

数据仓库中的实视图的选取

数据仓库设计中一个重要问题就是选取视图进行实体化。论文给出实视图代价估算模型,利用遗传规则,提出实视图选取的方法和策略。经实验证明,该算法达到了良好的效果,效率高。