基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为提高联机分析查询的速度,在浓缩数据立方的基础上,构建了元组级别的内存实化方法.以内存空间至少能容纳最细粒度数据小方为前提,在内存中构造两级Hash结构:第一级Hash结构存放最细粒度的数据小方以保证所有查询都可从内存中响应;第二级Hash结构按照聚集度高的小方元组优先、相同聚集度情况下尺寸小的小方中元组优先的选择策略,选择立方元组在内存实化.处理点查询时,首先从第二级结构中直接查找满足条件的立方元组.若对范围查询,则需从第一级结构中计算获得.由于最细粒度立方元组和其他一些粗粒度元组都在内存中,避免了费时的外存存取,数据立方更新和维护代价也得以降低.
推荐文章
基于浓缩数据立方的内存实化小方的动态选择
浓缩数据立方
动态选择
数据小方
基于浓缩数据立方的内存实化小方的动态选择
浓缩数据立方
动态选择
数据小方
数据立方梯度的联机挖掘
关联规则
数据立方梯度
联机分析处理
BU-BST浓缩数据立方
基于侏儒立方体的保持语义的数据立方体结构
语义
数据立方体
侏儒立方体
冰山立方体
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于浓缩数据立方的内存实化数据立方的构建
来源期刊 华中科技大学学报(自然科学版) 学科 工学
关键词 联机分析处理 浓缩数据立方 数据小方 元组 优化
年,卷(期) 2008,(9) 所属期刊栏目 计算机与控制工程
研究方向 页码范围 5-8
页数 4页 分类号 TP311
字数 3682字 语种 中文
DOI 10.3321/j.issn:1671-4512.2008.09.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 颜文跃 华中科技大学计算机科学与技术学院 3 4 1.0 1.0
2 程恳 华中科技大学继续教育学院 8 38 4.0 5.0
3 陈长清 华中科技大学软件学院 18 148 7.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (1)
参考文献  (4)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
联机分析处理
浓缩数据立方
数据小方
元组
优化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
华中科技大学学报(自然科学版)
月刊
1671-4512
42-1658/N
大16开
武汉市珞喻路1037号
38-9
1973
chi
出版文献量(篇)
9146
总下载数(次)
26
总被引数(次)
88536
相关基金
湖北省自然科学基金
英文译名:Natural Science Foundation of Hubei Province
官方网址:http://www.shiyanhospital.com/my/art/viewarticle.asp?id=79
项目类型:重点项目
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导