数据仓库作为支持OLAP应用的系统,其所面对的数据往往都具有很大的规模.为了有效地提高系统的查询效率,人们提出了实体化视图的技术,即通过数据的冗余存储,对常用的聚集数据进行预计算,利用预计算的结果来响应用户的查询.然而在实际应用中,由于计算时间和存储空间的限制,计算并存储所有CubeLattice结构中的视图是不现实的,因此近年来许多人都致力于寻找最优的视图集实体化以来提升系统的性能.选择语义chunk作为实体化视图的基本粒度单位,主要是考虑语义chun特性能使系统在运行的过程中很好地响应用户所提交的查询请求.本文的创新主要在于:在实体化视图的时候选择了语义chunk作为实体化的基本粒度单位;提出了基于查询响应度的实体化视图动态实现;基于查询预测的实体化视图的选择与淘汰算法.本文在对查询进行预测时还提出了最大匹配串的概念并考虑了用户的查询模式.实验证明该算法能够表现出很好的性能.下一步将对基于语义chunk的实体化视图的增量维护,基于语义chunk的系统查询优化以及利用语义chunk的封闭性在进行聚集计算时最优路径的选择作进一步的研究.