افزايش كارآيي پرسوجوهاي پايگاه داده تحليلي با نگاشت مكعب مفهومي به فضاي دوبعدي
الموضوعات :محمدکریم سهرابی 1 , احمد عبدالهزاده بارفروش 2
1 - دانشگاه صنعتی امیرکبیر
2 - دانشگاه صنعتی امیرکبیر
الکلمات المفتاحية: پايگاه داده تحليليپردازش تحليلي برخطمدل داده چندبعديمکعب داده,
ملخص المقالة :
پايگاه داده تحليلي و پردازش تحليلي برخط، از اجزا اصلی سيستمهاي تصميميار بهشمار ميروند كه بهطور روزافزون در مباحث مرتبط با پايگاههاي داده مورد توجه قرار گرفتهاند. سيستمهاي تصميميار نسبت به سيستمهاي پردازش تراكنش برخط، نيازمنديهاي متفاوتي دارند. در اين سيستمها بهينهسازي پرسوجوها و پردازش کاراي مکعبهاي دادهاي، در ساختار پایگاه داده تحلیلی نقش اساسي در عملکرد سيستم ايفا ميکند. در اين مقاله با بهکارگيری تکنيکهای محاسبه از پايين به بالای عناصر شبکه جستجو، روش کارايي براي پردازش پرسوجو در پايگاه داده تحليلي و انجام محاسبات مکعب داده ارائه شده است. بررسي نتايج بهدست آمده بر مبناي پارامترهاي ارزيابي حکايت از آن دارد که الگوريتم ارائهشده در اين مقاله نسبت به بهترين الگوريتمهايي که پيش از آن ارائه شدهاند، عملکرد بهتري (بر اساس معيار زمان اجرا) از خود نشان ميدهد و سرعت آن در اجراي پرسوجوهاي يکنوا و با حجم دادههاي بسيار زياد، بهمراتب بهتر از الگوريتمهاي پيش از آن است. ضمن اينکه با توجه به نگاه دوبعدي ايجادشده توسط اين الگوريتم به مسأله مکعب و تبديل مکعب به ساختار ابرگراف، ميزان حافظه مورد نياز اين الگوريتم در مواردي که مجموعسازي بر روي زيرمجموعهاي از ابعاد مکعب صورت پذيرد، کمتر از حافظه مصرفشده توسط الگوريتمهاي پيش از آن است.
[1]R. Kimball,The Data Warehouse Toolkit, John Wiley and Sons,Inc, 1996.
[2]J. Gray, A. Bosworth, A. Layman, and H. Pirahesh, "Datacube: arelational aggregation operator generalizing group-by, cross-tab, andsub-totals," inProc. of the IEEE ICDE, pp. 152-159, 1996.
[3]S. Agarwal, R. Agrawal, P. M. Deshpande, A. Gupta, J. F.Naughton, R. Ramakrishnan, and S. Sarawagi,On the omputation of Multidimensional Aggregates, VLDB’1996.
[4]K. Beyer and R. Ramakrishnan, "Bottom-up computation of sparse and iceberg cubes", in Proc. SIGMOD Conf., pp. 359-370, 1999.
[5]R. Agrawal and R. Srikant, Fast Algorithms for Mining AssociationRules, VLDB’1994.
[6]K. A. Ross and D. Srivastava, "Fast computation of sparse datacubes," in Proc. of the 23rd VLDB Conf., pp. 116-125, Athens,Greece, 1997.
[7]M. Laporte, N. Novelli, R. Cicchetti, and L. Lakhal,Computation Full and Iceberg Data Cubes Using Partitions, 2002.