一种改进的分组序号聚集算法

doi:10.3778/j.issn.1002-8331.2010.10.041

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (10): 125-128.DOI: 10.3778/j.issn.1002-8331.2010.10.041

• 数据库、信号与信息处理 • 上一篇下一篇

一种改进的分组序号聚集算法

王生富，张继福，荀亚玲，刘爱琴

太原科技大学计算机科学与技术学院，太原 030024

收稿日期:2008-09-25 修回日期:2008-12-19 出版日期:2010-04-01 发布日期:2010-04-01
通讯作者: 王生富，张继福

Improved aggregation algorithm based on group numbers

WANG Sheng-fu，ZHANG Ji-fu，XUN Ya-ling，LIU Ai-qin

Institute of Computer Science and Technology，Taiyuan University of Science and Technology，Taiyuan 030024，China

Received:2008-09-25 Revised:2008-12-19 Online:2010-04-01 Published:2010-04-01
Contact: WANG Sheng-fu

摘要/Abstract

摘要： ROLAP是OLAP（联机分析处理）中使用最广泛的一种类型，其主要功能是管理决策所需要的总结数据。总结数据一般都涉及多表连接和分组聚集操作，提高这些操作的性能成为提高OLAP操作响应速度的关键。为此，提出一种基于分组序号的新聚集算法IMuGA。算法充分利用时间维表特殊性，通过对事实表关键字直接获得分组属性值，减少了多表连接中时间维度的连接次数，提高了联机分析处理查询效率。实验结果表明，该算法是有效的。

关键词: 数据仓库, 联机分析处理, 聚集查询, 多表连接

Abstract: ROLAP is a kind of OLAP（Online Analytical Processing） in which it is widely used. Its major function is to manage aggregate data which is needed in the decision-making.Aggregate data is generally involved in multi-table joining and aggregating the query data.Enhancing the performance of these operations become the key to improve operational response rate of OLAP.In this paper，an improved aggregation algorithm is proposed based on group number—IMuGA，which takes full advantage of the time dimension table’s particularity，directly gets the group attribute value through the fact table，greatly reduces query times on time dimensional table in multi-table join and improves the efficiency of OLAP query.Experimental results show that the algorithm is effective.

Key words: data warehouse, Online Analytical Processing（OLAP）, aggregate query, multi-table join

中图分类号:

TP311

王生富，张继福，荀亚玲，刘爱琴. 一种改进的分组序号聚集算法[J]. 计算机工程与应用, 2010, 46(10): 125-128.

WANG Sheng-fu，ZHANG Ji-fu，XUN Ya-ling，LIU Ai-qin. Improved aggregation algorithm based on group numbers[J]. Computer Engineering and Applications, 2010, 46(10): 125-128.

[1]	孙舟1，田贺平1，潘鸣宇1，王伟贤1，张禄1，陈光2. 有效解决数据缺失问题的聚集查询算法[J]. 计算机工程与应用, 2018, 54(24): 72-78.
[2]	满毅，章炯民，徐晓锦. 一种基于朴素贝叶斯算法的OLAP缓存机制[J]. 计算机工程与应用, 2017, 53(6): 85-90.
[3]	冯兴杰，吴稀钰，赵杰，贺阳，房戍. QAR数据仓库在Hive中的构建[J]. 计算机工程与应用, 2017, 53(11): 90-94.
[4]	宋爱波，万雨桐，贡欢，薛荧荧. 海量多维数据的存储与查询研究[J]. 计算机工程与应用, 2016, 52(13): 25-31.
[5]	唐珊珊，朱跃龙，朱凯. 基于Map/Reduce的外壳片段立方体并行计算方法[J]. 计算机工程与应用, 2015, 51(22): 124-129.
[6]	张宇1，2，张延松1，2，3，陈红1，2，王珊1，2. 向量计算Array OLAP查询处理技术[J]. 计算机工程与应用, 2015, 51(18): 24-31.
[7]	薛冬娟，高天一，潘颖，潘澜澜. 船舶企业质量控制模型及数据仓库的构建[J]. 计算机工程与应用, 2012, 48(6): 229-232.
[8]	宿芳，寿永熙，苏依拉. 元数据驱动ETL的研究[J]. 计算机工程与应用, 2012, 48(6): 114-118.
[9]	任凤，曹敦，傅明. 一种基于实时语义维层次链的OLAP查询算法[J]. 计算机工程与应用, 2012, 48(4): 149-151.
[10]	陈佳，李敏. 数据立方体实体化的多目标遗传算法[J]. 计算机工程与应用, 2012, 48(25): 154-158.
[11]	何茂顺，董一鸿，付世昌. 移动对象预测聚集范围查询方法[J]. 计算机工程与应用, 2011, 47(9): 130-133.
[12]	周攀，杨科华，周利民. 一种P2P网络环境下的OLAP查询方案[J]. 计算机工程与应用, 2011, 47(8): 108-111.
[13]	温国锋^1，2，陈立文¹. 已完建筑工程数据仓库的建立与应用研究[J]. 计算机工程与应用, 2011, 47(4): 245-248.
[14]	倪志伟1，2，孟金华1，2，毛雪岷1，2. 集合上封闭立方体的计算[J]. 计算机工程与应用, 2011, 47(33): 36-38.
[15]	甘亮，刘东红，贾焰，韩伟红. StreamQCTree：一种流数据方压缩结构[J]. 计算机工程与应用, 2011, 47(19): 140-143.

一种改进的分组序号聚集算法

Improved aggregation algorithm based on group numbers

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics