分享到:

一种瘦客户端OLAP的研究与实现

本文以某电信经营分析系统为背景,基于该系统对OLAP的需求,提出了一种瘦客户端的解决方案。本文针对OLAP和WEB的要求,采用WEBOLAP的方式进行软件系统的开发。在分析了立方体方式不能很好的实现多维可视化的基础上,对多维类型结构(MTS)进行改进,提出了一种树形多维类型结构(TMTS)。该结构采用树形方式对多维数据集进行可视化描述,强化了多维数据集的整体性,同时支持维度的移动,动态地表述了用户查询。该结构清晰、直观,同时具有独立性、整体性和灵活性的特点。本文在给出了TMTS的详细设计和支持的操作后实现了该结构,并在TMTS结构的基础上实现了瘦客户端的OLAP:通过该结构来获得查询的MDX语句、采用ADOMD.NET来获取多维数据集数据和元数据、采用维度联合的方式解决了多维数据在二维计算机屏幕展示问题,并实现了OLAP的上钻、下探、旋转、切片等操作。最后本文介绍了对该OLAP系统进行的优化处理。本文中瘦客户端OLAP系统的开发  (本文共50页) 本文目录 | 阅读全文>>

《应用科学学报》2005年04期
应用科学学报

多维数据集的一种高效层次聚集存储结构

OLAP分析是一个建立在数据仓库上的重要应用,而多维数据集的查询效率与更新效率则是OLAP分析能否成功应用的关键.文献[1~6]在提高多维数据集的数据查询与数据更新性能上取得了一些成果,在文献[7]中提出了一种层次式CUBE(hierarchical data CUBE,HDC)存储结构,使得区域查询的代价和数据更新代价均为O(log2dn)(d为多维数据集的维度,n为维度的值域).但这些存储方式都采用多维数组方式存储数据,因而没有保存多维数据集模式中的层次信息,这会带来数据层次语义不清晰等问题.数据层次语义信息的缺失不仅使得进行上钻、下钻等操作时效率很低,而且在实现高级功能(如自然语言查询,数据层次语义相关查询)时会带来很大的障碍.除此之外,目前对多维数据集存储的解决方法中,还存在以下一些问题:(1)进行更新(数据更新或增量更新)的时候,多维数据集将不可用.特别是对于增量更新,一般都需要重构多维数据集,随着数据集的增大,重构的...  (本文共6页) 阅读全文>>

《中国审计》2005年11期
中国审计

运用多维数据集分析审计主营业务收入

在当前企业审计中,我们广泛运用了MICROSOFTSQLSERVER中的多维数据集分析(AnalysisManager)。多维数据集是一个数据集合,通常由数据仓库的子集构造,并组织和汇总成一个由一组维度和度量值定义的多维结构。维度定义多维数据集的结构,而度量值提供最终用户感兴趣的数值。多维数据集内的单元位置由各维度成员的交集确定,通过对度量值进行聚合得到单元中的值。多维数据集提供一种方便、快捷的查询数据的机制。在企业审计中,我们核查主营业务收入运用多维数据集分析,主要原因有:一是数据维度丰富,主营业务收入数据中通常包含收入时间、收入归集对象和收入明细项目等维度信息,便于运用多维数据集分析技术,以一个或多个维度进行分析,进而得出有用的结论;二是数据规律性强,主营业务收入数据会随着不同的关联指标变化而变化,审计时掌握住与收入相关的关联性指标,采用多维数据集技术进行分析,可以查找到不符合规律性的异常变动;三是数据量庞大,主营业务收入数...  (本文共2页) 阅读全文>>

《计算机工程》2005年13期
计算机工程

基于多维数据集层次的可扩展存储结构

OLAP分析是一个建立在数据仓库上的重要应用。而多维数据集的查询效率与更新效率则是OLAP分析能否成功应用的关键,在建立数据仓库与多维数据集的应用过程中,一般采用渐进式的方式,即第一次循环设计过程尽可能快地完成,然后再根据仓库开发人员与分析人员、用户之间的反馈不断进行修改。这些过程中有可能就会遇到模式更新的问题。以往的多维数据集都采用多维数组来进行存储,因此多维数据集的模式更新过程也就是一个从头新建多维数组的过程,并且在重构的过程中,不能进行查询操作。为了解决上述问题,我们提出了基于多维数据集层次的存储结构。1存储结构我们采用图1中的多维数据集作为例子。为了叙述的方便,将其描述成二维数组的方式,实际上的物理存储可能采取多种方式。1.1层次式B+树(HB+树)层次式B+树是对维的索引,整个多维数据集需要d棵(d为维数)层次式B+树来进行索引,这d棵层次式B+树相互独立。层次式B+树的定义如下:(1)最高的层次用一棵B+树进行索引。...  (本文共4页) 阅读全文>>

《审计月刊》2005年06期
审计月刊

运用多维数据集分析审计主营业务收入

在当前企业审计中,我们广泛运用了MICROSOFTSQLSERVER中的多维数据集分析(AnalysisManag-er)。多维数据集是一个数据集合,通常用数据仓库的子集构造,并组织和汇总成一个由一组维度和度量值定义的多维结构。维度定义多维数据集的结构,而度量值提供最终用户感兴趣的数值。多维数据集内的单元位置由各维度成员的交集确定,通过对度量值进行聚合得到单元中的值。多维数据集提供一种方便、快捷的查询数据的机制。在企业审计中,我们核查主营业务收入运用多维数据集分析,主要原因有:一是数据维度丰富,主营业务收入数据中通常包含收入时间、收入归集对象和收入明细项目等维度信息,便于运用多维数据集分析技术,以一个或多个维度进行分析,进而得出有用的结论;二是数据规律性强,主营业务收入数据会随着不同的关联指标变化而变化,审计时掌握住与收入相关的关联性指标,采用多维数据集技术进行分析,可以查找到不符合规律性的异常变动;三是数据量庞大,主营业务收入...  (本文共2页) 阅读全文>>

《计算机工程》2002年01期
计算机工程

多维数据集的平行坐标表示及聚簇分析

数据挖掘面临的问题是大型数据库及数据仓库均有巨大的数据量、较高的维数、属性之间关系复杂;数据挖掘不同于传统的数据库查询及检索,它目前还不具备完善的理论及支持平台;数据挖掘过程是一个检索及发现有用知识的过程,常依赖用户的领域知识。因此,在数据挖掘过程中,引入可视支持,就是十分必要的。可视化技术不仅可直观地显示数据挖掘的结果,还可以以图形方式引导数据挖掘的过程,使决策者可以交互地分析数据关系。目前,数据挖掘是以多维化方式组织处理数据的,即以属性作为对数据对象的观察角度。多维数据可视化已成为可视化技术的重要研究方向,且已提出多种多维数据可视化的方法[1,2],如基于象素的方法、几何投影方法、基于图标的方法、层次和基于图形的方法等。其分析方法中聚簇(cluste-分析具有重要的地位。聚簇是指把数据项划分为具有某ring)些公共特征的簇,在这些类中常隐含着反映数据集(clusters)特征的重要知识。本文介绍了一种几何投影方法平行坐标法,...  (本文共3页) 阅读全文>>