數(shù)據(jù)倉庫中多維數(shù)據(jù)實視圖選擇算法研究.pdf

1、數(shù)據(jù)倉庫和聯(lián)機分析處理(OLAP)是企業(yè)獲取決策支持的重要手段。由于OLAP要對各種維度的多維數(shù)據(jù)進行分析，通常要訪問大量數(shù)據(jù)，進行復雜的連接、聚合操作，因此如何縮短響應時間，提高查詢效率變得十分關鍵。實視圖技術通過預先存儲一些中間結果可有效提高查詢的執(zhí)行速度，但是實視圖需要占用系統(tǒng)存儲空間，而且要增加對視圖進行維護的系統(tǒng)開銷。因此，如何在給定存儲空間限制下選擇一組合適的視圖進行物化，最大限度提高系統(tǒng)的查詢響應性能是課題研究的關鍵。通常

2、先利用用戶的預估查詢物化一部分視圖，然后再根據(jù)系統(tǒng)運行中用戶所做實際查詢進行動態(tài)物化。
　　 本文首先在實視圖的靜態(tài)選擇階段提出了一個基于蟻群-遺傳算法的實視圖選取策略，在基本蟻群算法中融入遺傳算法。蟻群進化過程中關注最優(yōu)、最差路徑，采用最大、最小信息素的更新方式，為蟻群進化指明方向，有效避免蟻群盲目搜索，提高問題求解速度。在迭代過程中對路徑進行遺傳、交叉和局部變異操作，增強算法的全局搜索能力，使其不容易陷入局部最優(yōu)，在求解的準

3、確性和速度上都有很大提高。實驗結果表明該算法能有效解決算法“早熟”問題，同時也加快了解的收斂速度。
　　 在實視圖動態(tài)調整階段，本文提出一種改進的實視圖動態(tài)批量調整策略，不是每執(zhí)行一個查詢語句立即進行調整，而是先收集一個統(tǒng)計周期內的查詢，對此整體調整。算法先判斷查詢集合是否滿足調整條件，若滿足則根據(jù)視圖訪問頻率生成候選視圖，再調用實視圖批量選擇算法，若不滿足則調用實視圖集動態(tài)調整算法。由于查詢集合能反應用戶的查詢趨勢，該算法不需