#br#
分级存储数据多维分析技术的研究与应用

doi:10.3969/j.issn.1006-2475.2015.12.024

计算机与现代化 ›› 2015, Vol. 0 ›› Issue (12): 113-.doi: 10.3969/j.issn.1006-2475.2015.12.024

#br# 分级存储数据多维分析技术的研究与应用

1.南京南瑞集团公司，江苏南京210003； 2.江苏省电力公司，江苏南京210003

收稿日期:2015-08-26 出版日期:2015-12-23 发布日期:2015-12-30
作者简介:项玉良(1982-)，男，安徽巢湖人，南京南瑞集团公司工程师，硕士，研究方向：计算机应用，商业智能；任开银(1978-)，男，工程师，硕士，研究方向：电力企业信息系统。

Research and Application of Multidimensional Analysis of Hierarchical Data

1. Nari Group Corporation, Nanjing 210003, China; 2. Jiangsu Electric Power Company, Nanjing 210003, China

Received:2015-08-26 Online:2015-12-23 Published:2015-12-30

摘要/Abstract

摘要： 多维数据分析是数据仓库系统需要具备的一个主要功能，它接受用户的多维数据查询请求，生成多维数据集，为建立数据挖掘模型提供基础数据。本文提出一种分级存储数据的多维分析方法，实现分布式多维数据的报表展现原型系统，解决分布式环境下数据的即时展现应用问题，为分布式数据的统计展现提供了多角度、多层次和直观性的分析手段。

关键词: 分布式数据, 多维分析, 商业智能

Abstract: Analysis on MD (Multidimensional Data) is a main function of data warehouse. It receives the request of user query, and then generates data set, which is the base of data mining model. This paper presents a hierarchical storage multidimensional data analysis method, implements the report system of a distributed multidimensional data, and solves the problem of data realtime display application in the distributed environment. For the analysis of distributed data, this article provides a multiangle, multilevel and intuitive analysis means.

Key words: distributed data, multidimensional analysis, business intelligence

中图分类号:

TP311.5

项玉良1，任开银1，张明明2，黄高攀2. #br# 分级存储数据多维分析技术的研究与应用[J]. 计算机与现代化, 2015, 0(12): 113-.

XIANG Yuliang1， REN Kaiyin1， ZHANG Mingming2， HUANG Gaopan2. Research and Application of Multidimensional Analysis of Hierarchical Data[J]. Computer and Modernization, 2015, 0(12): 113-.

参考文献

［1］
王珊. 数据仓库技术与联机分析处理［M］. 北京:北京科学技术出版社, 1998.
［2］刘云峰，王倩宜，杨旭,等. 一种支持大数据集成架构的多维分析系统［J］. 华东师范大学学报（自然科学版）， 2015，23(7):4-7,12.
［3］宋擒豹，杨向荣，沈均毅. 数据仓库技术研究［J］. 计算机工程， 2002,28(1):125-127.
［4］杨光，张雷，艾波. OLAP技术及其发展［J］. 计算机应用研究［J］， 1999,16(7):7-10.
［5］王胜. 商务智能系统关键技术研究［D］. 青岛:山东科技大学, 2009.
［6］Jake Sturm. Microsoft SQL Server 7.0数据仓库技术指南［M］. 刘汉宇,郝春明,裴莹,等译. 北京:机械工业出版社, 2000.
［7］孙泳，刘少辉，史中植. 数据仓库中多维分析的数据展现［J］. 计算机工程与应用， 2004,40(4):174-177.
［8］David Iseminger. 数据库与数据仓库实用操作大全［M］. 北京:北京大学出版社, 2001.
［9］蒋建民，张世勇. 在关系数据库上实现OLAP多维分析［J］. 渝州大学学报(自然科学版)， 2002,19(1):18-20.
［10］Paulraj Ponniah. 数据仓库基础［M］. 段云峰,李建威,韩洁，等译. 北京:电子工业出版社， 2004:394-431.
［11］潘东静. 基于OLAP的多维分析模型设计及应用［J］. 德州学院学报, 2004,20(6):55-58.
［12］Tom Soukup, Lan Davidson. 可视化数据挖掘［M］. 朱建秋,蔡伟杰译. 北京:电子工业出版社， 2004:4-21.
［13］姚家奕. 多维数据分析原理与应用［M］. 北京：清华大学出版社， 2004.
［14］李泽海,孙吉贵,赵君. 商业智能技术及行业应用分析［J］. 吉林大学学报（信息科学版）， 2003,21(1):54-60.
［15］余长慧，潘和平. 商业智能及其核心技术［J］. 计算机应用研究， 2002,19(9):14-16.
［16］Efrem G Mallach. Decision Support and Data Warehouse Systems［M］. Boston: McgrawHill, 2005:79-80.
［17］Mohamrned J Zaki, Yi Pan. Introduction:Recent Developments in Parallel and Distributed Data Mining［M］. Kluwer Academic Publishers, 2002.
［18］Wikipedia. Business Intelligence［EB/OL］. http://en.wikipedia.org/wiki/Business_intelligence, 2015-08-26.




[1]	雷鸣, 赵玉娟, 姜罕盛, 武国良, 梁健. 基于分布式技术的气象系统数据服务平台构建[J]. 计算机与现代化, 2020, 0(11): 56-59.
[2]	焦利1，孙松周2，刘天须2，张雪扬2，王振基1，王亚1 . 元数据驱动的分布式数据资源管理技术[J]. 计算机与现代化, 2019, 0(03): 78-.
[3]	季朋1,2，李晖1,2，陈梅1,2，戴震宇1,2. DoFFT：一种基于分布式数据库的快速傅里叶变换方法[J]. 计算机与现代化, 2018, 0(06): 19-.
[4]	王致强，乐嘉锦，陈德华. 基于甲亢临床指标的多维时间序列关联度分析[J]. 计算机与现代化, 2016, 0(4): 12-15.
[5]	孙巍;谭成翔. 基于Amoeba中间件的分布式数据库管理系统[J]. 计算机与现代化, 2013, 1(2): 153-156.
[6]	王芳. 分布式海量数据库之SET模型[J]. 计算机与现代化, 2013, 218(10): 87-90.
[7]	褚龙现;申远. 一种基于多连接属性划分的查询优化算法[J]. 计算机与现代化, 2012, 1(201): 10-13.
[8]	江接宝;周琪云;温水生;张任龙;胡斌. 基于门面模式的分布式数据库同步技术[J]. 计算机与现代化, 2012, 198(2): 90-91.
[9]	张亮;夏秀峰. 分布式ETL负载均衡策略研究[J]. 计算机与现代化, 2011, 193(9): 201-204.
[10]	陈戈施丽李也白. 基于半连接的分布式查询优化技术研究[J]. 计算机与现代化, 2011, 12(12): 106-108,.
[11]	陈宫;牛秦洲. 分布式数据库复制问题的一种解决方案及应用[J]. 计算机与现代化, 2011, 1(11): 138-4.
[12]	邓丽君. 一种基于分布式数据库的全局频繁项挖掘算法[J]. 计算机与现代化, 2010, 1(6): 17-0020.
[13]	刘琳. 基于数据仓库的高校教职工图书借阅多维分析[J]. 计算机与现代化, 2010, 1(11): 124-126.

#br# 分级存储数据多维分析技术的研究与应用

Research and Application of Multidimensional Analysis of Hierarchical Data

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 13

编辑推荐

Metrics

本文评价