多维数据立方体模型及其基于关系的实现

数据立方体模型是多维数据库和以多维分析为基础的联机分析处理技术的核心机制,本文参照当前对多维数据立方体模型的最新研究成果,提出了一种新的模型并且应用于OLAP服务器基于关系的实现。并且提出了实现的难点和改进的方向。     

多维数据立方体模型及其基于关系的实现

数据立方体模型是多维数据库和以多维分析为基础的联机分析处理技术的核心机制。本文参照当前对鑫维数据立方体模型的最新研究成果,提出了一种新的模型并且应用于OLAP服务器基于关系的实现。并且提出了实现的难点和改进的方向。     

路径-维度GraphOLAP大规模多维网络并行分析框架

现实生活中大量数据都可以使用多维网络进行建模,如何更好地对多维网络进行分析至今仍是研究人员关注的重点.OLAP（联机分析处理）技术已被证实是对多维关系数据进行分析的有效工具,但应用OLAP技术管理和分析多维网络数据以支持有效决策仍旧是一项巨大的挑战.本文设计并提出了一种新的图立方体模型：路径-维度立方体,并针对提出的立方体模型将物化过程划分为关系路径物化与关联维度物化两部分,分别提出了物化策略并基于Spark框架设计了相关算法;在此基础上,我们针对网络数据设计并细化了相关的GraphOLAP（图联机分析处理）操作,丰富了框架的分析角度,提高了对多维网络的分析能力;最后,在Spark上实现了相关算法,通过对多个真实应用场景中的数据构建多维网络,在分析框架上进行了分析,实验表明我们提出的图立方体模型和物化算法具有一定有效性和可扩展性.     

数据仓库中多维分析的数据展现

文章介绍了一种数据仓库多维分析中以二维表格反映多维特征,提供了数据立方体的可视化表示的方法,并采用动态填充技术,提高了大数据量时数据查询、展现的速度,使用户能直观、快速地得到数据。     

基于Analysis Service 开发OLAP程序

首先阐述了开发联机分析处理程序的必要性，以及分析服务的联机分析处理环境，然后讲述了基于分析服务的编程接口，利用多维数据查询语言结合ADO／MD进行联机分析处理程序的开发过程，即联机分析处理数据库的建立，连接到多维数据库以及使用ADO／MD执行MDX查询。     

联机事务处理在电信经营中的应用

目前,以数据仓库、联机分析处理和数据挖掘为基础构建的集成化的智能商务系统越来越受到重视。文章详细研究了电信经营中联机事务系统的设计方法,以电信数据仓库为基础分别详述了联机分析处理中的数据库结构、事实表、维度表和立方体的设计方法,并用Excel前端分析工具展示出来。实践证明,文章所提出的方法在电信业的经营管理中切实可行。     

无须附加空间的数据立方体联机聚集

以往在数据立方体上实现的联机聚集往往需要附加空间来存储联机聚集估算所需要的信息,极大地影响了数据立方体的存储和维护性能.提出了基于QC-Tree的用于范围查询处理的联机聚集PE(progressively estimate)算法以及它与简单聚集算法相结合的混合聚集算法HPE(hybrid progressively estimate);还提出了一种能够同时处理多个范围查询的联机聚集算法MPE(multiple progressively estimate).与以往联机聚集算法不同,这些算法不需要任何附加空间,而是利用QC-Tree自身保存的聚集数据和语义关系来估算聚集结果.由于QC-Tree是一种极为高效的数据立方体存储结构,因此能够以较理想的性能实现数据立方体上的联机聚集.对算法的分析和实验结果表明,所提出的算法具有较好的性能.     

通用OLAP工具——KDOLAP的设计与实现

当前,企业拥有大量的数据,但缺乏对这些数据的有效处理和分析,无法对决策分析提供有效的信息.本文介绍了一种适合小型企业的决策分析工具,该工具以企业现有的数据库作为数据源,通过建立多维数据模型、设计多维分析方法及转换数据显示格式,及时可靠地向决策者提供分析结果.     

基于数据立方体的属性核计算方法

商业智能系统应用联机分析处理技术将数据组织为多维数据立方体。该文建立了数据立方体中非空单元与决策表中等价类的一一映射关系。通过复用数据立方体中的聚合结果,提出一种基于数据立方体计算相容决策表属性核的方法,并证明了该方法的正确性。利用UCI数据集进行实验,结果表明在大数据量下该方法具有较好的时间效率。     

基于OLAP的高校教学协同决策

高校教学信息化建设积累了丰富的业务数据,如何利用历史数据进行高校教学协同决策,是管理者关心的问题。通过教学协同决策的若干主题,设计出多维立方体,并对其执行联机分析处理;设计用于协同决策联机分析处理（OLAP）平台,并给出了相应的分析结果。     

基于DBLP数据的多维异质网络Graph OLAP设计与实现

为了分析DBLP数据中的多种类型的实体信息, 挖掘其中特定的知识, 首先根据异质网络Graph OLAP（图联机分析处理）模型, 建立相应的数据仓库模型; 然后依据实体维的概念, 构建多维异质图立方模型; 最后针对 Graph OLAP处理异质网络能力不足的问题, 补充了旋转和拉伸操作, 并完善了Graph OLAP原型系统Liter Miner。实证表明设计的原型系统可以有效地对DBLP数据中的多维异质网络进行分析, 挖掘出研究人员需要的知识。     

基于学生评价数据立方的多维分析

许多学校的信息系统都是面向事务的,虽然积累了大量的教育数据,但不具备教育教学管理的决策支持能力。基于原有OA系统的学生数据,使用联机分析处理技术对学生数据按主题进行维度建模．采用Oracle数据库的AWM工具来实现学生数据立方的建立和多维多粒度的统计分析。     

The cgmCUBE project: Optimizing parallel data cube generation for ROLAP

On-line Analytical Processing (OLAP) has become one of the most powerful and prominent technologies for knowledge discovery in VLDB (Very Large Database) environments. Central to the OLAP paradigm is the data cube, a multi-dimensional hierarchy of aggregate values that provides a rich analytical model for decision support. Various sequential algorithms for the efficient generation of the data cube have appeared in the literature. However, given the size of contemporary data warehousing repositories, multi-processor solutions are crucial for the massive computational demands of current and future OLAP systems. In this paper we discuss the cgmCUBE Project, a multi-year effort to design and implement a multi-processor platform for data cube generation that targets the relational database model (ROLAP). More specifically, we discuss new algorithmic and system optimizations relating to (1) a thorough optimization of the underlying sequential cube construction method and (2) a detailed and carefully engineered cost model for improved parallel load balancing and faster sequential cube construction. These optimizations were key in allowing us to build a prototype that is able to produce data cube output at a rate of over one TeraByte per hour. Research supported by the Natural Sciences and Engineering Research Council of Canada (NSERC).     

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。     

OLAP技术及其在SQL SERVER 2000中的实现

OLAP系统积累的大量数据如何为决策分析提供支持将成为下一阶段数据库应用的重点，OLAP技术通过数据立方体提供多维度的数据视图，并通过旋转切片等操作扩展查询语言的功能来满足这种需求。文中简要介绍了联机分析处理(On line Analysis Process)中的基本概念、OLAP与传统联机事务处理OLTP的差别、OLAP的相关实现技术，并给出了OLAP在SQL SERVER 2000中的具体实现。最后对OLAP的发展前景作出展望。     

一种应用于OLAP的数据模型及其实现

数据仓库及OLAP技术是当前数据库领域研究的热点,而数据模型又是数据仓库及OLAP核心基础。文章提出了一种应用于OLAP的数据模型,并用于实际应用中。这种数据模型在概念上表达了OLAP特性,支持OLAP操作,而且其数学代数简单明白地表达了OLAP查询。     

基于OLAP技术实现银行客户分析系统

通过构建针对银行客户分析的数据仓库,描述了O鄄LAP系统的设计和实现方法,分析了OLAP服务器的内部结构,并着重研究了OLAP多维立方体的创建和OLAP多维引擎的构造。     

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。     

Compression and Aggregation for Logistic Regression Analysis in Data Cubes

Logistic regression is an important technique for analyzing and predicting data with categorical attributes. In this paper, We consider supporting online analytical processing (OLAP) of logistic regression analysis for multi-dimensional data in a data cube where it is expensive in time and space to build logistic regression models for each cell from the raw data. We propose a novel scheme to compress the data in such a way that we can reconstruct logistic regression models to answer any OLAP query without accessing the raw data. Based on a first-order approximation to the maximum likelihood estimating equations, we develop a compression scheme that compresses each base cell into a small compressed data block with essential information to support the aggregation of logistic regression models. Aggregation formulae for deriving high-level logistic regression models from lower level component cells are given. We prove that the compression is nearly lossless in the sense that the aggregated estimator deviates from the true model by an error that is bounded and approaches to zero when the data size increases. The results show that the proposed compression and aggregation scheme can make feasible OLAP of logistic regression in a data cube.     

OLAP数据挖掘引擎算法的设计与实现

基于OLAP的数据挖掘，是数据挖掘的一个新的发展方向。对于如何把OLAP(联机分析处理技术)和DM(数据挖掘)统一起来，从而在数据库或数据仓库的不同层次进行挖掘，提出了OLAP数据挖掘系统的结构。通过研究数据挖掘方法和OLAP操作的特点，以及数据立方的构建和物化，对传统的DM算法进行了改进，设计并实现了更能适应OLAP数据挖掘引擎的算法。