导读:本文包含了物化视图自维护论文开题报告文献综述及选题提纲参考文献，主要关键词:数据仓库,OLAP,物化视图,遗传算法
物化视图自维护论文文献综述
蒋国唯[1]（2016）在《数据仓库中物化视图选择和维护算法研究与改进》一文中研究指出数据仓库作为一个数据集合,具有面向主题、集成、反映历史变化、相对稳定的特点,它的内容来自各种异构数据库的集成数据。数据仓库的本质是一个非常大的数据存储,但是面向主题的数据组织方式不同于普通数据库。作为决策支持数据模型的物理实现,运行之上的应用主要有联机分析处理和数据挖掘。数据仓库中的查询越发困难,是基于它庞大的数据量和复杂的结构,且即席查询耗用时间很长。物化视图技术就是为了提高查询分析效率,它的思想是把查询结果提前计算出来并以视图形式物理存储。在现实应用中,物化哪些视图需要考虑存储和查询代价以及视图维护代价等因素。本文使用多维数据格组织视图,并提出了查询维护代价模型,即满足给定存储空间限定条件下选取查询代价与维护代价之和最小的物化视图集。通过预处理算法得到候选视图集,然后根据代价模型计算出候选视图集合中视图的代价。改进了基于遗传算法的物化视图选择算法,采用一种混合策略的选择算子,并根据适应度集中程度自适应调整种群的交叉概率。和经典遗传算法比较,改进算法不仅降低了搜索视图的成本,而且还使得数据仓库的查询效率加快。物化视图虽然有效地提高了系统对用户查询响应速度,但也带来了物化视图的维护问题。物化视图中的内容是查询基础数据产生的,这些基础数据来自其他独立的异构数据源,如果数据仓库的数据源端发生变化,物化视图中的数据也应作相应改变,和原始数据保持同步。如何保证两者内容的同一性,成了数据仓库研究领域中非常关键和难以解决的技术问题。本文在分析现有常用物化视图维护算法的基础上,重点研究了基于更新频率分组的维护算法,并在此基础上改进了算法。针对每组中基础表增量的大小升序排序,并按此顺序进行物化视图的更新。该算法经实验验证提高了物化视图的维护效率。(本文来源于《河北经贸大学》期刊2016-03-01）
李华[2]（2014）在《面向关系数据库关键字查询的物化视图维护方法研究》一文中研究指出在关系数据库上进行关键字查询已成为近来数据库领域的研究热点。然而,若针对每个查询都重新执行,查询代价很高。鉴于物化视图能够有效地提高查询效率,本文把关键字查询的中间结果和Top-k结果物化为视图,并通过维护视图来维护关键字查询结果。已有研究工作大多都是面向SQL的物化视图维护,已有增量维护方法存在近似维护且只面向单视图最优维护的问题,并且针对关键字Top-k查询结果维护研究较少且维护效率低。针对已有问题,主要从以下叁个部分开展研究：第一部分,研究基于公共表达式的多视图生成算法。从相关度高的几个候选网络中选择公共表达式,利用Huffman树把关键字查询路径存储为二叉树,每一个中间结果物化为视图存储,同时在视图中增加辅助列。通过实验验证了方法可提高查询效率。第二部分,研究高效而准确的视图维护方法。接第一部分研究内容,基于Huffman树,对与查询关键字无关数据的修改操作,提出基于溯源信息快速更新视图方法；对与查询关键字有关数据的修改操作,即面向删除与插入操作,提出基于溯源信息的精确的增量维护视图方法。通过实验验证本文提出的两种视图维护方法可有效地提高维护效率且准确率提高至100%。第叁部分,研究高效率的维护关键字查询Top-k结果。针对与关键字无关的修改,提出了近似的快速维护视图方法；与关键字相关的数据修改,在第二部分提出的基于溯源信息精确的增量维护算法基础上,对Top-k结果进行维护,并且在维护的过程中考虑一些优化条件,进一步提出了优化的Top-k'视图增量维护算法。通过实验验证本文提出方法可有效地提高Top-k结果的维护效率和查询效率。(本文来源于《东北大学》期刊2014-06-01）
赵建平,周锦标,何剑伟,丁冉,赵建辉[3]（2013）在《一种面向物化视图的远程增量维护系统》一文中研究指出为有效保证客户端物化视图与数据源的一致性并降低网络开销,提出一种物化视图增量维护方法。采用XML物化视图远程增量维护方法,通过系统原型设计、系统部署、同步机制,实现试验任务数据接口同步。结果表明:在不影响试验任务数据处理与传输的实时性及可靠性的条件下,XML物化视图远程增量维护系统可有效实现指挥显示系统数据接口的一致性、可靠性和安全性。(本文来源于《兵工自动化》期刊2013年05期）
王前进[4]（2013）在《基于物化视图增量维护的企业垂直搜索优化研究》一文中研究指出对垂直搜索引擎的技术改进和优化，在信息产业界一直备受关注，然而长期以来针对该领域的相关研究多集中于网络数据爬取、检索效率改进以及个性服务等方面，而很少涉及对垂直搜索引擎整体架构性能的研究。具体到企业级层面，相关研究也多集中于对网页数据信息的处理，很少有针对单个企业信息的纵向深度挖掘，导致搜索返回结果总体质量不高。如何改善企业垂直搜索引擎的服务性能，为工作开展提供更具价值的决策支持信息，已成为学术界和企业界的关注焦点。本课题立足现实需要，基于广泛的文献阅读，针对具体企业垂直搜索引擎的总体架构展开研究，重点优化改进了物化视图增量维护和搜索结果呈现进行算法，并结合某船舶配套生产企业的应用实例进行验证评价。首先，针对企业垂直搜索引擎业务搜索实体层，通过建立视图并以实体化形式存储于数据仓库，运用“缓存”机制来改善系统检索效率。由于物化视图存储内容具有静态特征，需要着重实现物化视图的更新维护。文章通过引入语义约束概念，对物化视图增量更新维护算法进行优化，有效改善提升了系统的检索效率。其次，对于表达层的检索结果呈现，通过应用元数据驱动加以实现，结合用户需求特征将“个性化”特征信息通过元数据加以存储，以“二级视图”维护优化系统性能。在个性化搜索服务结果呈现时，借鉴主题元搜索的数据整合思想对搜索结果排序工作进行优化。最后，将上述改进优化工作统一于企业垂直搜索系统的整体架构，详细阐述了其具体应用实现机制，并结合某船舶配套生产企业应用实例验证说明本文研究工作的正确性和有效性。(本文来源于《江苏科技大学》期刊2013-04-28）
赵建平,段慧芬,许利亚,赵建辉,施斌[5]（2013）在《XML物化视图远程增量维护在试验任务数据接口同步中的应用》一文中研究指出在试验任务中引入XML文档数据接口,一方面提高了远程数据查询分析的效率,另一方面也产生了XML物化视图的维护带来的高系统开销的问题.针对该问题,采用XML物化视图远程增量维护的方法,通过系统原型设计、系统部署、同步机制,可有效地实现试验任务数据接口同步.结果表明,在不影响试验任务数据处理与传输的实时性及可靠性的条件下,XML物化视图远程增量维护有效地实现了指挥显示系统数据接口的一致性.(本文来源于《计算机系统应用》期刊2013年01期）
潘小燕[6]（2010）在《数据仓库中物化视图的选择和维护研究》一文中研究指出物化视图是一种针对联机分析处理(OLAP)操作中可能的动作进行的一种预处理,数据仓库针对事实表数据进行的诸如选择、投影、连接等各种预处理,即建立物化视图。由于物化视图对于数据查询性能的优化使得物化视图中的选择问题成为了数据仓库中关键问题之一,也是当前数据仓库研究领域中的一个热点。但是,物化视图在提高查询性能的同时,对额外的存储空间以及视图维护的开销的增加也带来了不少问题,本文对物化视图的选择和维护做了深入研究和大量实验,并取得了以下结果:1.介绍物化视图在国内外研究动态与发展趋势,还列举了一些物化视图选择和物化视图维护的一些相关算法,并对各算法的优缺点进行了分析。2.提出了自己的选择算法——多因子视图选择算法,该算法克服了已有算法,包括YKL算法和IMDVSA算法的不足。通过实验,我们证明了我们的算法在实际开销上的优势。3.提出了视图重计算代价最小化方案和基本算法,解决了物化视图的结构维护问题,从而有效地提高了物化视图的维护效率,保证了物化视图中数据的有效性和及时性。(本文来源于《苏州大学》期刊2010-10-01）
孟勃荣,高鹏,顾云苏,何清法[7]（2009）在《含聚集物化视图的增量维护方法》一文中研究指出针对含聚集物化视图的增量维护问题,提出了一种基于逐步更新思想的增量维护模型和方法。该方法建立了聚集函数计算前查询结果与基表记录之间的映射关系表,并根据映射关系表的增量变化更新物化视图的聚集函数。针对之前方法对于MAX/MIN聚集函数增量更新的不足,在仅利用增量数据不能更新聚集函数值时,采用仅重新计算映射关系表中相关行的MAX/MIN函数值的方法,极大地减小了更新MAX/MIN聚集函数的计算量。在OSCAR数据库的应用表明了该方法的有效性和高效性。(本文来源于《计算机工程与设计》期刊2009年23期）
冯少荣[8]（2009）在《利用维护代价约束的物化视图选择方法》一文中研究指出为了在一定维护代价约束条件下,使查询过程中花费的总查询成本最优化,提出了最小/最大候选集变换算法.该算法构造最大候选视图集和最小候选视图集,基于最小有效的极大基数配比技术,并通过单位维护代价内的查询收益而设计的代价计算模型来获得最佳物化视图集.理论分析和实验结果表明该算法是高效、动态、近似最优的.与以往算法相比,在数据维度大、维层次复杂的情况下,该算法有着更优的执行效率.(本文来源于《华中科技大学学报(自然科学版)》期刊2009年05期）
郎勇[9]（2009）在《物化视图的维护策略研究与应用》一文中研究指出数据仓库中存储着海量的数据,支持的查询形式复杂。如何达到查询的高效性标准是数据仓库面临的难题之一,物化视图技术是解决这个问题的重要手段,但是它需要额外的系统空间来存储,并且需要牺牲系统的代价来维护,因而,物化视图的选择问题是一个重要的研究课题。由于静态物化视图选择策略只局限于已知查询的情况,而数据仓库支持的查询大多是无法被预测的,采用了动态物化视图选择策略。通过对已有物化视图选择策略的研究,以及关键问题的详细分析,制定了物化视图的动态调整标准,建立了基于查询频率的动态物化视图的选择策略,并详细阐述了其选择思想、体系结构实现和工作流程。针对一种更加准确体现数据仓库中物化视图的存在形式,提出了一种新的物化视图选择策略——顶层视图选择策略TVCS(Top-View-Choice-Strategies),在全体视图中要找出相关视图集来缩减总体视图数目,利用视图间的父子视图关系减少需要变动的视图数目,以降低选择算法的复杂度,从而在使物化视图选择过程中减少了不必要的计算代价。通过修正物化视图重要度,使物化视图代价更加精确,以进一步达到优化效果。在高校决策支持系统中,应用顶层视图选择策略进行了实际验证。在相同空间约束下,近似稳定的日常业务查询情况中,TVCS的运行时间明显要比传统的Semi-Greedy(SG)算法短,说明在查询效率上TVCS优于SG算法;在随机调用频率查询情况下,SG算法表现出查询时间的频繁抖动,而TVCS表现较平稳,说明在查询效率上TVCS要比SG算法稳定,由此证明了TVCS的高效性和稳定性。(本文来源于《沈阳航空工业学院》期刊2009-02-20）
裴丽鹊,吕晓华[10]（2008）在《维护代价约束下的物化视图选择》一文中研究指出物化视图的选择是数据仓库设计重要的决策之一.探讨在一定维护代价约束条件下,在检索过程中总检索成本最优化的问题,并提出新的动态算法-最小/最大侯选变换算法.该算法的关键是基于最小有效的极大基数配比技术和通过构建索引而设计的代价计算模型来获得最大候选集.实验结果显示这个算法是高效的、动态的、近似最优的.(本文来源于《闽江学院学报》期刊2008年05期）
物化视图自维护论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在关系数据库上进行关键字查询已成为近来数据库领域的研究热点。然而,若针对每个查询都重新执行,查询代价很高。鉴于物化视图能够有效地提高查询效率,本文把关键字查询的中间结果和Top-k结果物化为视图,并通过维护视图来维护关键字查询结果。已有研究工作大多都是面向SQL的物化视图维护,已有增量维护方法存在近似维护且只面向单视图最优维护的问题,并且针对关键字Top-k查询结果维护研究较少且维护效率低。针对已有问题,主要从以下叁个部分开展研究：第一部分,研究基于公共表达式的多视图生成算法。从相关度高的几个候选网络中选择公共表达式,利用Huffman树把关键字查询路径存储为二叉树,每一个中间结果物化为视图存储,同时在视图中增加辅助列。通过实验验证了方法可提高查询效率。第二部分,研究高效而准确的视图维护方法。接第一部分研究内容,基于Huffman树,对与查询关键字无关数据的修改操作,提出基于溯源信息快速更新视图方法；对与查询关键字有关数据的修改操作,即面向删除与插入操作,提出基于溯源信息的精确的增量维护视图方法。通过实验验证本文提出的两种视图维护方法可有效地提高维护效率且准确率提高至100%。第叁部分,研究高效率的维护关键字查询Top-k结果。针对与关键字无关的修改,提出了近似的快速维护视图方法；与关键字相关的数据修改,在第二部分提出的基于溯源信息精确的增量维护算法基础上,对Top-k结果进行维护,并且在维护的过程中考虑一些优化条件,进一步提出了优化的Top-k'视图增量维护算法。通过实验验证本文提出方法可有效地提高Top-k结果的维护效率和查询效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
物化视图自维护论文参考文献
[1].蒋国唯.数据仓库中物化视图选择和维护算法研究与改进[D].河北经贸大学.2016
[2].李华.面向关系数据库关键字查询的物化视图维护方法研究[D].东北大学.2014
[3].赵建平,周锦标,何剑伟,丁冉,赵建辉.一种面向物化视图的远程增量维护系统[J].兵工自动化.2013
[4].王前进.基于物化视图增量维护的企业垂直搜索优化研究[D].江苏科技大学.2013
[5].赵建平,段慧芬,许利亚,赵建辉,施斌.XML物化视图远程增量维护在试验任务数据接口同步中的应用[J].计算机系统应用.2013
[6].潘小燕.数据仓库中物化视图的选择和维护研究[D].苏州大学.2010
[7].孟勃荣,高鹏,顾云苏,何清法.含聚集物化视图的增量维护方法[J].计算机工程与设计.2009
[8].冯少荣.利用维护代价约束的物化视图选择方法[J].华中科技大学学报(自然科学版).2009
[9].郎勇.物化视图的维护策略研究与应用[D].沈阳航空工业学院.2009
[10].裴丽鹊,吕晓华.维护代价约束下的物化视图选择[J].闽江学院学报.2008