随着全球经济的发展，分布式数据库应用日益广泛，许多数据被自然地分布在不同位置上。如，一个公司很可能在世界范围内设有分公司，每个分公司都有自己的数据库。因此，数据仓库技术变得越来越重要。通常，一个企业的信息系统是逐步建立起来的，往往是先建立一些孤立的数据库，而支持这些数据库的计算机系统和DBMS可能互不相同；也就是说，它们是分布的、自治的、甚至是异构的。数据仓库把这些来自分布的、自治的、甚至是异构的数据源信息集成在一起，为决策支持提供单个、一致的数据存储。 通常，数据仓库中存储了大量实体化视图，这些视图中的数据用于领导层进行决策分析。由于数据仓库中的数据大都是从操作数据库中提取出来的，因而，数据仓库中的数据应该定期(如，每周或每月一次)刷新，与数据源中数据保持一致。在维护中，若视图v中的数据来自多个数据源，就会涉及到表的连接。连接操作在数据仓库的维护中占有重要地位，其算法好坏直接影响到视图维护的效率。假设视图中的数据来源于n个表R1，R2，…Rn，由于JOIN操作运算量大，若采用对R1，R2，…Rn重新作JOIN的方法来更新视图V，显然要浪费大量时间，因为重新作JOIN的结果包括实体化视图V。由于我们仅对变化的数据感兴趣，因此可以采用增量的JOIN算法。即，只要将涉及变化数据的JOIN结果追加至视图V中即可。 本文研究视图的增量维护算法，提出一种新的分布连接算法(增量的JOIN算法)。与已有的算法相比，我们的算法易于实现，并具有很好的I／O性能。 本文主要完成以下几个方面的工作： 1 对数据仓库维护中所面临的主要问题进行了深入分析。 2 采用增量视图维护策略，并提出一种新的分布连接算法，对其正确性给出证明。 3 与已有的增量视图维护算法进行分析和对比，新算法具有很好的I／O性能。