OLAP中一种多维数据模型

分析了传统OLAP（联机分析处理）模型在商业应用领域中存在的不足，在此基础 上，针对某一超市的OLAP的设计过程中所碰到的问题，提出了一种多维数据模型，给出了模 型定义和基于关系数据库模型实现方法。

面向OLAP的高效海量数据存储技术研究与实现

文章在分析了OLAP大规模海量多维数据特点的基础上,针对当前一般规模关系数据库处理海量多维数据能力的不足,通过使用数据库分区技术和并行磁盘组技术,设计并实现了一种高效的、面向OLAP应用的数据存储管理结构。并针对传统查询优化器对于大规模海量数据统计信息更新不及时的问题,设计了一种基于分区技术的统计方法。实验证明,该设计可以对百TB级的多维海量文本数据进行有效的管理。

一个面向OLAP应用的多维数据查询语言及其在对象关系数据库中的实现

该文提出了一个面向联机分析处理(OLAP)的多维查询语言,为多维查询的方便表达提供了一个直观的高层界面。这一查询语言的独特之处在于能够很好地支持具有继承关系的维层次结构,这种维层次结构在传统的关系型的ROLAP中是难于用星型/雪花模式表示的。文章将这一查询语言实现于对象关系数据库之上。并通过实例进行说明,对象关系数据库所特有的基本类型扩展能力、复杂对象的表示以及继承机制,使得对多维数据的描述更加灵活、多维操作更为高效。

基于关系数据库和XML的OLAP建模方案

OLAP系统运行的基础是多维数据模型。以快速、准确、灵活地构建多维数据模型为目的,提出了一种基于关系数据库和XML的OLAP建模方案。该建模方案将OLAP的建模任务分为两个阶段:存储层建模和应用层建模。在存储层,使用关系数据库,按照"星型图"方法建立具备多维特性的关系数据模型;在应用层,设计XML Schema,描述多维数据立方体及物理映射。运用建模方案,可以有效提高OLAP多维数据建模的效率和效果。

一种基于B/S模式MIS系统开发技术的探讨

分析了Ｂ／Ｓ技术模式中的几种关键技术，提出了一种基于该模式的ＭＩＳ系统的开发方法，并对系统的构成、运行环境等进行了探讨。

数据仓库在企业中应用的研究

分析了数据仓库的特点、体系结构及实现的方法，并以分销资源计划管理系统（ＤＲＰ）中的销售分析为例说明面向主题的数据仓库的构建方法。另外还给出了实现分布式数据提取的方法。

关系数据库中多维数据分析及展现的研究

在对关系数据库业务模型分析的基础上通过建立多维模型定义使数据具有多维的概念,并在此基础上提供了一种B/S模式的多维数据查询和展现的方法,该方法充分利用了多种数据存储结构来优化数据的查询和显示。通过建立维度间的层次关系可实现多维数据的钻取、旋转、切片等操作,结合JFreeChart的图形功能提供了一种多维图形展现和分析的方法。

后关系型数据库Caché的应用研究

对后关系型数据库Caché进行研究,首先分析了Caché的存取数据模型、Web架构以及CSP的工作原理,它提供了健壮的对象式数据存取、高性能的SQL查询和多维数据存取方式.然后用CSP开发一个简单的基于Web应用,来演示基于Caché数据库的Web应用开发.得出Caché能够加速Web应用开发,提高特殊事务处理的速度,加快对事务型数据的实时查询,系统维护工作小.

多维关系数据库的应用研究

针对传统的关系数据库技术在处理海量数据事务上存在的处理速度慢和存储冗余量大的问题,结合支持决策分析的数据仓库的多维思想,提出了一种多维关系数据库模型。对新旧模型从时间复杂度和空间复杂度两个方面分别进行了理论推导,证实了新的多维关系数据库模型较传统的关系模型在时间和空间上都有了很大的提高,并用实验对该理论结果进行了验证,证明了新模型的可行性和优越性。

基于Neo4j图数据库的人员关系挖掘

针对重点关系人分析与确定问题,基于人员信息数据、话单数据和火车/航班出行数据构建多维关系网络,提出利用Neo4j图数据库的查询分析功能挖掘共同联系人、共同出行人和重点关系人,查找和发现密切接触者、嫌疑人及团伙等的方法,搭建了多维关系网络分析演示系统。实验结果表明,在保证准确率的情况下,所提方法的分析效率相较对比方法提高5倍以上。

基于后关系型数据库Caché的医疗信息系统的开发

本文从Caché的存取数据模型、web架构以及CSP的工作原理入手;分析了Caché数据库健壮的对象式数据存取、高性能的SQL查询和多维数据存取方式。然后用CSP开发一个基于Caché数据库的医疗信息系统,来说明Caché不仅是一个高效数据库,也是一种快速开发技术,特别是web应用程序开发。

智能变电站多维数据统一存储系统的设计与实现

研究变电站数据存储与访问技术,针对目前变电站一体化监控系统各业务数据存储分散、访问接口不统一、不支持非结构化数据存储等问题,提出一种兼容关系和非关系型数据库的变电站历史数据分布式存储方式,可支持站内多业务数据的统一存储,也可支持区域内所有变电站监控系统历史数据的统一存储,突破关系型数据库对图形、波形、序列数据的存储和访问限制,解决大容量数据快速写库的操作效率问题,保证操作过程的原子性和数据一致性,实现对变电站全景数据的集中管理与访问。经现场测试验证,开发出的变电站多维数据统一存储系统的功能需求和性能指标完全达到预期目标。

数据仓库在企业中的应用

分析了数据仓库的特点、体系结构及实现的方法,并以销售资源管理系统(DRP)中的销售分析为例说明面向主题的数据仓库的构建方法.

浅谈实现数据库营销系统的关键技术

数据库营销是运用收集到的数据来预测用户未来的购买行为。成功实现数据库营销系统的关键是首先要建立一个企业资料数据库,在数据库或数据仓库中寻找有价值的隐藏事件,再利用数据挖掘技术对数据库中的数据进行分析,将有意义的信息归纳成结构模式。这样既降低了成本,又提高营销效率和企业的利润。

数据挖掘在商业智能中的应用

讨论了商业智能的基本概念和结构模型,阐述了数据挖掘在商业智能中的作用,并介绍了数据挖掘对象的分类方法和常用的数据挖掘技术。

决策支持技术在保险领域中的应用

介绍了自90年代以来兴起的两项决策支持新技术—数据仓库与数据挖掘技术。探讨了保险业中基于数据仓库和多维数据库应用的基本框架,并结合保险行业的实际特点,采用星状结构的保险业务多维数据仓库,运用 OLAP 技术,分析保户流失原因,同时介绍了相关的 INFORMIX 工具。

数据仓库开发工具研究

研究了OracleS、QL Server、Delphi等几种常用的数据仓库开发工具,并探讨了这些软件在数据挖掘中的应用。

数据仓库中的一种立方体数据模型

数据仓库和联机分析处理(OLAP)是商业数据处理领域中的两个最重大的新技术。OLAP应用要求对数据仓库中存储的大量数据进行分析,用标准关系数据库技术来实现非常复杂的查询是相当困难的。所以,在数据仓库中,数据被组织成立方体数据模型。该文提出了一种简单、直观的数据立方体模型以及在这个立方体上支持OLAP操作的代数。为复杂的查询提供了简要的表述方法。

基于数据仓库的典型图查询处理技术

向量化查询等技术的成熟为基于数据仓库(数仓)实现图查询提供了契机,但现有系统没有考虑列式存储特点和图查询语句的特点,无法高效存储图数据及支持图查询优化。同时,由于需要保持原有图查询应用的兼容性,图查询Gremlin语言翻译生成的数仓SQL语言书写复杂且性能较差。针对上述问题,提出基于数仓的图数据库系统PandaGraph。在存储方面,PandaGraph基于关系模型高效存储图数据,结合数仓列式存储的特性进行主键和属性键设计,同时考虑到图查询和数仓查询执行特点,构建出入两张边表供图查询进行选择。在查询方面,PandaGraph结合不同Gremlin步骤的特点,构建关于遍历和存储表的查询结构,实现从Gremlin语言到SQL语言的翻译转化,使用多种优化规则对生成SQL语句进行改写,提高图查询性能。实验结果表明,PandaGraph在多场景下可正确进行翻译查询工作,并且在经典的低k跳查询场景下较现有专有图数据库系统获得5.8倍性能提升,在高k跳场景下可获得18.5倍性能提升,在基于规则的优化、基于表选择的优化和基于表结构的优化下PandaGraph可获得最少1.3、1.1和1.3倍的性能提升。

数据仓库主题的M_d距离测度搜索算法

分析了数据仓库主题的特征,给出了选择准则,提出了一种基于Md测度的主题搜索算法。该算法以数据仓库主题特征矢量空间中的距离为测度,从关系数据库中寻找具有数据仓库主题特征对象。还对该算法的计算复杂性进行了说明,并给出了一个SQL平台上的应用实例。