数据仓库中的数据大多来源于多个分散、异构及自治的底层业务数据库,其信息以实体化视图的形式存储。通过物理上的预先存储,加快了查询响应时间,大大提高了数据仓库的性能。然而,底层数据库中的数据是不断变化的,为使数据仓库中实体化视图能够同步反映数据源的变化,必须对数据仓库中的相关数据进行及时维护。实体化视图技术是数据仓库中的关键技术,随数据源和数据量的不断增加,对数据仓库中实体化视图维护的效率提出了更高的要求,采用完全更新显然是不可行的,研究实体化视图的增量维护策略将具有重要的理论价值和实践意义。视图选择方面,在介绍数据仓库及实体化视图的概念基础上,根据已有的数据仓库的查询记录的历史数据,运用关联规则算法,对用户的查询偏好进行分析和挖掘,从而选出需要进行实体化的候选视图。在数据仓库的运行过程中,系统还能根据用户查询的变动对候选的实体化视图进行动态地选择,以达到在总代价最少的基础上,用户能够灵活而且智能地选择视图的效果。视图维护方面,在WHIPS维护技术的基础上,提出一种分布式的增量实体化视图维护技术,把过滤器分配到各个数据库中,降低了视图维护的通信量,因此解决了普通版本维护技术成本高、等待时间长的缺点。另外,由于采用了分布式技术,从而大大降低了数据库端的负荷,提高了数据仓库的运行速度。视图评价方面,为了检验改进后的实体化视图的维护技术的效率,建立一种实体化视图的代价模糊评价模型。通过代价模糊评价模型去评价实体化视图的代价问题。