Web仓储中视图变化频率的自适应估测

物化视图的刷新是Web仓储进行系统维护的一项主要任务,而基础数据变化频率则是刷新方案中的重要因素.在已有文献中,研究者已经给出一些关于基础数据变化规律的算法和估测器.虽然这些估测器取得了不错的效果,然而他们却忽略了这些估测器都有一定的适用范围,超出这个范围则效果急剧下降.在此,基于泊松过程进行分析,对估测器的适用范围进行了讨论,根据估测结果的偏离值和有效性对估测公式进行参数调整,同时根据估测值的大小不断调整数据源的访问频率和次数,从而使数据源访问模式和估测器互相适应,使估测器在最佳估测范围内获得估测值.实验结果表明,与已有文献中的方法相比,新提出的自适应估测算法能够取得更好的效果.

Web仓储系统的视图刷新方案

Web repository utilizes materialized views to integrate information,so the most important task for it is torefresh the views periodically to keep its vitality. The goal of view refreshing is to obtain the maximal system fresh-ness, however, most of traditional standards do not consider query effect so that the corresponding view-refreshingscheme is usually inefficient. In this paper,we first bring forward a more reasonable standard for system freshness,thereafter make a comprehensive discussion upon system refreshing frequency,system resource allocation and view-re-freshing order. After analyzing the effect and function to system freshness for each factor,we give a general strategyfor materialized view refreshing.

Web仓储中的单视图一致性

Web仓储系统使用物化视图的方法管理和维护Web数据 ,它可以给用户的查询和分析带来更快的效率 ,特别适合联机分析处理 (OLAP)和决策支持 Web环境中数据更新非常频繁 ,为保持系统的时新性 (freshness) ,需要不断刷新物化视图 在Web视图刷新的过程中 ,必须保持物化视图与基础数据之间的一致性 (称为单视图一致性 ,SVC) ,否则系统中的数据就会产生错误 ,进而影响用户的正确使用 围绕这种单视图一致性 ,针对Web环境的特性 ,给出了相关保持算法 。