数据仓库以传统的数据库为主要信息源,为联机分析处理(OLAP)、决策支持(DSS)和信息挖掘(DM)提供了一个集成的数据环境,高效地组织和管理数据是实现数据仓库技术的关键之一。本文从数据仓库的多维数据概念模型和OLAP实现两个方面对这个问题进行了深入的研究。 多维数据模型是数据仓库研究的核心问题。本文首先对现有的多维数据模型进行了总结,并分析了其优缺点,然后利用分类的方法提出了一个多维数据模型,并对数据立方体的相关概念进行了定义,该模型能够充分表达数据仓库的复杂数据结构,这为多维数据的存储及聚集优化策略奠定了理论基础。 多维数据的逻辑组织方式是OLAP实现的关键之一。本文对这个问题进行了深入的研究,总结了多维数据的两种组织方式—关系方式和数组方式,重点研究了在数组方式中多维数据的存储结构、多维数组的建立方法、稀疏数组的压缩方法、数组分块的原则和分块数组访问方法,并在以上的理论分析的基础上实现了一个数组方式存储的实例。 在数据仓库中高效计算多维聚集是提高OLAP性能的手段之一。本文总结了聚集计算的主要优化方法,对相关的概念进行了形式化定义,着重研究了数组聚集计算的优化策略,并给出了一个数组方式下的聚集算法——PartCube算法,该算法运用了最小父亲、阶段扫描以及缓存结果的优化策略,基于搜索格建立不完全方体的最小跨度树,当内存不足时,PartCube将数组进行划分并分别计算,计算完所有的划分后再把中间结果合并成完整的聚集结果。分析表明该算法能充分利用内存空间、减少I/O次数,具有较高的计算效率。 论文最后对研究工作进行了总结,并对进一步的研究工作进行了展望。