Помощь в учёбе, очень быстро...
Работаем вместе до победы

Методика адаптивного управления процессом проектирования и развития специализированных хранилищ данных

Диссертация: Методика адаптивного управления процессом проектирования и развития специализированных хранилищ данных
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Апробация работы Основные результаты диссертационной работыа также результаты конкретных прикладных исследований представлены на VI Всероссийскойконференции с международным участием «Новые информационные технологии в исследовании сложных структур» (Шушенское, 2006), на Международной научно-практической конференции «Общественное здоровье: инновации в экономике, управлении и правовые вопросы… Читать ещё >

Содержание

  • 1. Проблемы и технологии проектирования хранилищ данных
    • 1. 1. Поддержка управления на основе хранилищ данных
    • 1. 2. Технология и этапы проектирования хранилищ данных
    • 1. 3. Повышение производительности хранилищ данных с помощью предварительных вычислений
    • 1. 4. Методы проектирования хранилищ данных
    • 1. 5. Принцип адаптации для проектирования хранилищ данных
    • 1. 6. Задачи диссертационной работы
    • 1. 7. Выводы к главе 1
  • 2. Методические и алгоритмические средства проектирования и развития специализированных хранилищ данных
    • 2. 1. Методика адаптивного управления процессом проектирования и развития специализированных хранилищ данных
      • 2. 1. 1. Управляющая модель процесса проектирования и развития специализированных хранилищ данных
      • 2. 1. 2. Состав и описание функций модели
    • 2. 2. Модель общей стоимости материализации представлений
      • 2. 2. 1. Модель хранилища данных с дополнительными структурами
      • 2. 2. 2. Формирование модели общей стоимости материализации представлений на основе данных о предметной области
    • 2. 3. Алгоритм определения релевантных представлений для материализации
      • 2. 3. 1. Формирование релевантных подмножеств представлений на основе данных о предметной области
      • 2. 3. 2. Пример применения алгоритма определения релевантных представлений
    • 2. 4. Выбор представлений для материализации
      • 2. 4. 1. Метрики прироста и упадка
      • 2. 4. 2. Алгоритм выбора представлений для материализации
    • 2. 5. Алгоритм выбора релевантных представлений для материализации в специализированном хранилище данных
      • 2. 5. 1. Процедура применения алгоритма релевантных представлений для материализации
      • 2. 5. 2. Изменение модели хранилища данных при поступлении новой информации о предметной области
      • 2. 5. 3. Модификация модели хранилища данных при поступлении дополнительного дискового пространства
      • 2. 5. 4. Сокращение пространства материализации представлений
    • 2. 6. Выводы к главе 2
  • 3. Применение методики адаптивного управления процессом проектирования* и’развития специализированных хранилищ данных
    • 3. 1. Построение специализированных хранилищ данных в различных прикладных областях
    • 3. 2. Проектирование и реализация специализированного хранилища медико-демографических данных
      • 3. 2. 1. Исследование предметной области
      • 3. 2. 2. Проектирование и реализация модели хранилища данных
      • 3. 2. 3. Определение входных данных для алгоритма релевантности
      • 3. 2. 4. Общая стоимость материализации"
      • 3. 2. 5. Выбор представлений. для материализации
      • 3. 2. 6. Разработка методов наполнения хранилища данных
      • 3. 2. 7. Реализация интерфейса для конечного пользователя
    • 3. 3. Сравнение разработанной методики адаптивного управления с существующими подходами
    • 3. 4. Выводы к главе 3

Методика адаптивного управления процессом проектирования и развития специализированных хранилищ данных (реферат, курсовая, диплом, контрольная)

Актуальность исследования.

Необходимость оперативной аналитической обработки информации в задачах организационного управления в разных прикладных областях — в здравоохранении, социальной, экономической сферах и других — требует эффективной организации больших объемов данных, поступающих из разнородных источников. Проблемы согласованности данных, оперативности выполнения запросов и обеспечения доступа к информации могут быть решены с использованием технологии хранилищ данных (data warehouses). Чтобы повысить производительность и обеспечить эффективное применение технологии OLAP (On-Line Analytical Processing) требуется решать задачи оптимизации и развития хранилищ данных, учитывая изменяющиеся внешние условия.

Разработке и внедрению хранилищ данных (далее также «хранилищ») посвящены работы зарубежных ученых Б. Инмона, Р. Кимбалла, Э. Спирли, С. Риззи, JI. Кабиббо, Р. Торлоне, М. Голфарелли, Д. Грея, Д. Теодоратоса и др. Из отечественных исследований на эту тему следует отметить работы А. А. Сахарова и подход JI.B. Массель, заключающийся в расширенном применении репозитория хранилища данных в рамках построения ИТ-инфраструктуры системных исследований. Несмотря на обширную методологическую базу, существует необходимость создания формализованных методов и алгоритмов, обеспечивающих корректировку модели данных при изменении условий эксплуатации с целью повышения производительности с сохранением актуальности хранилища. Сложность создания таких методов и алгоритмов обуславливается тем, что для задач разработки хранилищ данных характерна сильная зависимость процесса проектирования и его результата от особенностей конкретной предметной области и опыта проектировщика.

Значительного повышения производительности можно добиться, сохраняя в хранилище обобщенные данные — материализованные представления materialize views). Выбор данных для материализации определяется интуитивно или после учета статистики, собранной сервером хранилища! данных в процессе работы пользователей с аналитической системой. Для обоснованного включения материализованных представлений в хранилище данных при проектировании и развитии не достаточно. существующих методов оптимизации модели данных. Актуальна и востребована разработка методов, позволяющих формализовать выбор материализованных представлений для повышения производительности хранилища данных на всех стадияхего существования, включая самые ранние: стадии эксплуатации и развития.

Исследование выполнено в соответствии с планами научно-исследовательских работ Института вычислительного моделирования СО РАН' по программе GO РАН — проект 4.3.1.4 «Гибридные информационно-аналитические методы, системы и технологии (№ гос регистрации 01.2.007 9 439) — по программе фундаментальных исследований Президиума РАНпроект № 14.7 «Методы, и средства OLAP-моделирования" — по грантам Президента для ведущих научных школ № НШ-3428.2006.9-— «Развитие методов компьютерного моделирования и аналитической обработки, данных в системах информационно-телекоммуникационной поддержки регионального управления» и № ШП-3431.2008.9 — «Методы, компьютерногомоделирования и аналитической обработки данных в системах информационно-телекоммуникационной поддержки регионального управления» и гранту РФФИ № 05−07−90 244-в — «Развитие технологий хранилищ данных и оперативной аналитической обработки (OLAP) в задачах здравоохранения».

Цель диссертационной работы.

Цель диссертационной работы состоит в повышении производительности специализированных хранилищ данных за счет создания методики адаптивного управления процессом проектирования и развития хранилищ данных, позволяющей реагировать на изменение условий эксплуатации.

Для достижения поставленной цели решены следующие задачи:

— исследование существующих методов разработки хранилищ данных и алгоритмов материализации представлений, обоснование актуальности и целесообразности разработки новых методов и алгоритмов;

— разработка методики адаптивного управления процессом проектирования и развития специализированных хранилищ данных на основе известных и предлагаемых методов и алгоритмов;

— разработка метода построения модели общей стоимости материализации представлений на основе информации о предметной области;

— разработка алгоритма выбора релевантных представлений, включающего определение релевантных элементов множества представлений и выбор представлений для материализации;

— программная реализация хранилища медико-демографических данных и информационной системы «Анализ медико-демографических процессов», проектирование модели данных хранилища социально-экономических показателей развития региона, построение банка данных интернет-системы спортивно-оздоровительного движения «Игры народов планеты».

Методы исследования.

Методы исследования, применяемые в работе, основаны на теории адаптивных систем, методах системного анализа, теории принятия решений и технологии хранилищ данных.

Основная идея работы.

Основная идея работы заключается в разработке методов и алгоритмов, позволяющих повысить производительность хранилища на всех этапах его эксплуатации и развития. Для обеспечения эффективного использования специализированного хранилища предложена методика адаптивного управления, включающая формализованные действия по проектированию модели данных с обоснованным включением материализованных представлений, а также действия по развитию модели хранилища данных в случае изменения условий эксплуатации.

Для повышения производительности модели данных хранилища и учета изменения условий эксплуатации при поступлении новой информации о предметной области или дискового пространства, предложены алгоритмы выбора представлений, расширяющие модель данных хранилища. Выбор представлений выполняется на основе множества релевантных представлений и оценки стоимости их материализации с помощью модели, сформированной на основе данных о предметной области.

Новые научные результаты и положения, выноснмые на защиту.

1.Предложенная методика адаптивного управления процессом проектирования и развития хранилищ данных обеспечивает оригинальную формализацию процессов проектирования и развития модели данных, учитывая условия эксплуатации и специализированную информацию о предметной области, что позволяет повысить производительность хранилищ данных.

2.Новый метод формирования модели общей стоимости материализации обеспечивает оценку релевантности представлений на основе информации о предметной области.

3.Оригинальный алгоритм выбора релевантных представлений для повышения производительности хранилища данных позволяет принимать решения о материализации при отсутствии статистической информации о работе хранилища.

Теоретическая значимость.

Результаты, полученные при выполнении диссертационной работы, имеют существенное значение для проектирования хранилищ данных и позволяют повышать их производительность за счет учета условий эксплуатации. В отличие от других подходов к проектированию хранилищ данных, предложенные методы и алгоритмы обеспечивают корректировку модели данных даже при' отсутствии-, накопленной, статистической: информации о работе хранилища.

Практическая значимость.

Практическим результатом диссертационной работы является информационно-аналитическаясистема «Анализ медико-демографических процессов», построенная на основе специализированного хранилища данных. Система внедрена в промышленную эксплуатацию в Красноярском краевом медицинском информационно-аналитическом центречто подтверждается актом о, внедрении. Полученные результаты также использованы в проектировании модели данных хранилища социально-экономических показателей развития региона и построении банка данных интернет-системы спортивно-оздоровительного движения «Игры народов планеты».

Разработанные подходы и алгоритмы могут применяться дляширокого круга предметных, областей по отдельности, комплексно или в сочетании с различнымисуществующими алгоритмами поиска представлений, алгоритмами вычисления! общей" стоимости: материализации и методами проектирования хранилищ данных. .

Достоверность и обоснованность.

Достоверность и обоснованность полученных результатов обеспечивается корректно проведенным анализом и применением средств1 технологии хранилищ данных и теории принятия решений, анализом литературы и существующих разработок, обоснованием постановки задач диссертационной работы, результатами успешного применения предложенных методов и алгоритмова также результатами анализа эффективности применения^ предложенных подходов.

Личный вклад автора.

Основные результаты, представленные в работе, получены. непосредственно автором, а именно: методика проектирования и развития специализированных хранилищданных на основе адаптивного подходаметод формирования общей стоимости материализациипредставленийалгоритма выбора релевантных представленийвключающего определение релевантных элементов множества, представлений и выбор представлений для материализации. .

Автор является одним. из разработчиковспециализированного хранилища медико-демографических данных, информационно-аналитической системы «Анализ медико-демографических процессов», модели данных хранилищасоциально-экономических показателейразвития? региона, разработанных коллективом отдела прикладной информатики ИВМ СО РАН. Автор является разработчиком интернет-системы для ведениябанка данных спортивно-оздоровительного движения «Игры народов планеты».

Апробация работы Основные результаты диссертационной работыа также результаты конкретных прикладных исследований представлены на VI Всероссийскойконференции с международным участием «Новые информационные технологии в исследовании сложных структур» (Шушенское, 2006), на Международной научно-практической конференции «Общественное здоровье: инновации в экономике, управлении и правовые вопросы здравоохранения» (Новосибирск, 2005), на IX и X Всероссийской научно-практической конференции «Проблемы информатизации региона» (Красноярск, 2005; 2007), на конференции молодых ученых ИВМ СО РАН (Красноярск, 2005, 2006, 2007), на IV и V Всероссийской конференции «Всесибирский конгресс женщин-математиков» (Красноярск, 2006, 2008), на XIV Байкальской Всероссийской конференции «Информационные и математические технологии в науке и управлении» (2009).

Публикации.

По результатам диссертационной работы опубликовано 14 работ, в том числе 4 статьи в журналах из списка изданий, рекомендуемых ВАК для публикации результатов кандидатских и докторских диссертаций.

Структура и объем работы.

Диссертация состоит из введения, 3 глав, заключения и списка использованных источников. Основное содержание работы изложено на 148 страницах текста, содержит 26 рисунков и 12 таблиц.

Список использованных источников

включает 127 наименований, в том числе 74 иностранные публикации и 28 Internet-источника.

3.4 Выводы к главе 3.

Представлены результаты применения разработанного методического и алгоритмического обеспечения для решения задачи построения специализированного хранилища медико-демографических данных. Выполнен сравнительный анализ характеристик существующих подходов к проектированию и развитию хранилищ данных. Показано, что предлагаемый подход обеспечивает комплексное решение проектирования и развития специализированных хранилищ данных, и является естественным дополнением к уже существующим и активно применяемым методам и подходам к проектированию хранилищ данных.

Особенностью предложенной методики является обеспечение оригинальной формализации процессов проектирования и развития модели хранилища данных, учитывающих условия эксплуатации хранилища и специализированную информацию о предметной области. Показано, что использование предложенных алгоритмов обеспечивает сокращение пространства поиска, существенно уменьшает количество вычислений общей стоимости материализации и позволяет получить решение, учитывающее требования пользователей.

Показана целесообразность использования материализованных представлений для сокращения времени доступа к данным на задаче исследования медико-демографических процессов.

Заключение

.

В результате исследований, проведенных автором диссертационной работы, получены следующие основные результаты:

1. На основе анализа предметной области и обзора научных публикаций обоснована актуальность разработки методов и алгоритмов, обеспечивающих повышение производительности хранилищ данных.

2. Предложена методика адаптивного управления процессом проектирования и развития специализированных хранилищ данных. Данная методика позволяет повышать производительность хранилищ данных за счет учета условий эксплуатации и использования алгоритма выбора релевантных представлений для материализации.

3. Разработан метод формирования модели общей стоимости материализации представлений на основе информации о предметной области, обеспечивающий использование алгоритмов выбора представлений для материализации при отсутствии накопленной статистической информации о работе хранилища данных.

4. Разработан алгоритм выбора релевантных представлений, учитывающий требования пользователей и позволяющий принимать решения о включении материализованных представлений в хранилище данных на основе информации о предметной области.

5. Предложенные методические и алгоритмические средства применены для построения специализированного хранилища медико-демографических данных. На основе специализированного хранилища данных разработана информационная система «Анализ медико-демографических процессов».

6. Полученные результаты также использованы в проектировании модели данных хранилища социально-экономических показателей развития региона и построении банка данных интернет-системы спортивно-оздоровительного движения «Игры народов планеты».

Анализ практической значимости и перспективности полученных результатов позволяет сделать следующие выводы.

1. Целесообразно применять разработанные методические и алгоритмические средства проектирования для создания специализированных хранилищ данных в задачах информационно-аналитической поддержки принятия решений для органов территориального управления.

2. Предложенная методика адаптивного управления применима в процессе создания и развития хранилищ для включения в модель данных дополнительных структур, повышающих скорость доступа к информации. Методика предоставляет формализованные способы развития хранилища данных при изменении условий его эксплуатации и появлении новой информации или дополнительного дискового пространства.

3. Разработанное методическое и алгоритмическое обеспечение реализовано в автоматизированной информационной системе «Анализ медико-демографических процессов».1 Результаты диссертационной работы используются в Красноярском Медицинском информационно-аналитическом центре. Апробация разработанных алгоритмов позволяет сделать вывод о непротиворечивости полученных результатов и, следовательно, об адекватности методики.

4. Дальнейшее развитие методики адаптивного управления предполагает интеграцию с существующими подходами и средствами развития структуры хранилища данных для расширения области действия алгоритмов и повышения их универсальности.

Использование результатов диссертационной работы подтверждено актом о внедрении в промышленную эксплуатацию в Красноярском медицинском информационно-аналитическом центре.

Показать весь текст

Список литературы

  1. , М. Введение в OLAP и многомерные базы данных / М. Альперович // PC Week. 1999. — № 3. — С. 84−91.
  2. Аналитический программный комплекс «Нострадамус» Электронный ресурс.: официальный сайт разработчика, — 2009. — Режим доступа: http ://www.programbank.ru/
  3. , К.В. Интернет средства мониторинга состояния здоровья населения / К. В. Бадмаева // Материалы пятого Всесибирского конгресса женщин-математиков / РИО СФУ. Красноярск, 2008. — С. 38−43.
  4. , К.В. Проектирование и реализация системы ведения мирового банка информации для спортивно-оздоровительного движения «Игры народов планеты» / К. В. Бадмаева // Материалы конференции молодых ученых / ИВМ СО РАН. Красноярск, 2007. — С. 38−42.
  5. , С.Д. Математико-статистические методы экспертных оценок / С. Д. Бешелев, Ф.Г. Гурвич- Изд.2, перераб. и доп., 1980. — 264 с.
  6. Введение в базы данных Электронный ресурс.: учебное пособие / Ю. А. Зеленков. 1997. — Режим доступа: http://www.mstu.edu.ru/ education/materials/zelenkov/toc.html
  7. , А.В. Средства описания многомерных моделей данных /А.В. Висков, М. Б. Фомин // Вестник РУДН. 2003. -Т. 2. — № 1. -С. 128−139.
  8. Горохова, А.В. OLAP-средства системы «Аналитик» / А. В. Горохова, П. П. Ишенин, М. И. Никитина // Труды Всероссийской конференции
  9. Информационно-аналитические системы и технологии в здравоохранении и ОМС" / КМИАЦ. Красноярск, 2002. — С.220−228.
  10. , Г. Общая теория решеток / Г. Гретцер: М.: Мир, 1981. — 456 с.
  11. , К. Дж. Введение в системы баз данных, 7-е изд.: пер. с англ. / К.Дж. Дейт. М.: Вильяме, 2001.-1072 с.
  12. , Л.Г. Экспертные оценки в управлении. / Л. Г. Евланов, В. А. Кутузов.-М-: Экономика, 1978. 134 с.
  13. , О.С. Проблемы построения специализированного хранилища демографических данных / О. С. Исаева, К. В. Шалдыбина // Вестник Красноярского государственного. университета, «Физико-математические науки». — 2006: — № 1. — С. 222−227.
  14. , О.С. Технологические особенности оперативного анализа медико-демографических данных / О. С. Исаева, К. В. Шалдыбина //Вестник Томского^государственного университета. Приложение. — 2006. № 18. -С. 169−174.
  15. Калянов, Г. Н. CASE структурный системный анализ (автоматизация и применение) / Г. Н. Калянов- —М.: ЛОРИ, 1996. 242 с.
  16. , М. Моделирование бизнеса. Методология ARIS / М. Каменова, А. Громов, М. Ферапонтов, А. Шматалюк // М.: Метатех-нология, — 2001. — 327 с.
  17. , Т. Базы данных: проектирование, реализация и сопровождение. Теория и практика, 2-е изд.: пер. с англ. / Т. Конноли, К. Бегг, А. Страчан. М: Вильяме, 2001. — 1120 с.
  18. , П.В. Оптимальные и адаптивные системы / П. В- Куропаткин//М.: Высш. школа- 1980. — 287 с.
  19. Маклаков- С.В. Bpwin и Erwin CASE средства разработки информационных систем / С. В: Маклаков. — М!: Диалог-МИФИ- 1999: — 256 с.
  20. , Д.А. Методология? структурного анализа и проектирования / Д. Марко, К. Макгоуэн. М.: Мётатехнология, 1992. — 239 с.
  21. , JI.B. ИТ-Инфраструктура научных исследований: методический подход ш реализациям / JI.В.Масс ель, Е. А. Болдырев, Н. Н. Макагонова, А. Н. Копайгородский, А. В. Черноусов // Вычислительные технологии. Том 11,.2006. — С. 59−68.
  22. Новые методологии программирования Электронный ! ресурс.: статья пер: с англ: ./ М. Фаулер: — 2001. Режим доступа: http://www.maxkincom/ sd/newmethRUS.html
  23. Обзор алгоритмов MOLAP Электронный ресурс.: статья" / Ю. Кудрявцев. — 2008. — Режим доступа: http://www.citforum.ru/ consuIting/BI/molapoverview/
  24. Обзор методов оптимизации? запросов, в реляционных системах Электронный ресурс.: статья пер. с англ. / С. Чаудхари.— 1999. Режим доступа: http://wAvw.citforum.ru/database/digest/over001 .shtml
  25. Оптимизация запросов? в системах баз данных: Электронный ресурс.: статья1 пер: с англ. / М. Ярке, Ю. Кох. — 2005. — Режим доступа: http://www.citfomm.m/database/articles/queryoptimization/ .
  26. Очистка данных: проблемы, и актуальные подходы Электронный: ресурс.: статья г пер. с англ. / Э. Рэм, Х. Х. Ду. — 2001. — Режим: доступа: http://www.olap.ru/basic/datacleamasp
  27. Пенькова^.Т. Г. Модель хранилища данных для анализа показателей развития региона / Т. Г. Пенькова, К. В. Шалдыбина // Материалы конференции молодых ученых / ИВМ СО РАН. Красноярск, 2006. — С. 78−82.
  28. , Т.Г. Проектирование специализированного хранилища показателей социально-экономического развития региона / Т. Г. Пенькова, Л. Ф. Ноженкова, К. В. Бадмаева // Вестник КрасГАУ. -2007. № 14. -С. 122−128.
  29. Перегудов, Ф. И, Основы системного анализа / Ф. И. Перегудов, Ф. П. Тарасенко / HTJI. Томск, 2001. — 396, с:
  30. Платформа Хранилищ данных Контур Электронный ресурс.: официальный сайт разработчика, — 2009. — Режим доступа: http://www.iso.ru/products/phdk/
  31. Результаты тестов ТРС-Н для задач поддержки принятия решений Электронный ресурс.: статья по материалам комитета ТРС. Режим доступа: http://www.olap:ru/trends/completetpc.asp
  32. Рынок платформ для хранилищ данных: результаты исследования IDC Электронный ресурс.: статья / Intersoft Lab. — 2008. — Режим доступа: http://citcity.ru/20 054/
  33. , А.Д. Системный анализ и современные информационные технологии /А.Д. Сараев, О. А. Щербинина // Труды Крымской. Академии наук / СОНАТ. Симферополь, — 2006. — С. 47−59.
  34. , А.А. Концепции построения и реализации информационных систем, ориентированных на анализ данных / А. А. Сахаров // СУБД. -1996.-№ 4.-С. 55−70.
  35. Серверы под рабочей нагрузкой Электронный ресурс.: статья журнала Открытые системы, № 3 / С.Кузнецов. 2003. — Режим доступа: http://citforum.univ.kiev.ua/computer/2003−03/
  36. , B.C. Системный анализ в адаптивном управлении: Монография (научное издание) / B.C. Симанков, Е. В. Луценко, В. Н. Лаптев //Институт современных технологий и экономики Краснодар, 2001. -258 с.
  37. , Э. Корпоративные хранилища данных. Планирование, разработка, реализация / Э. Спирли. М.: Вильяме, 2001. — 400 с.
  38. , В.Н. Основы системного анализа / В. Н. Спицнадель. -СПб.: Изд-ский дом Бизнес-пресса, 2000. 325 с.
  39. Технология многомерных баз данных Электронный ресурс.: статья
  40. Т.Б.Педерсен, К.Иенсен. 2002. — Режим доступа: http://www.osp.ru/ os/2002/01/180 958/
  41. Трансляция сводных таблиц в беспроводных сетях Электронный ресурс.: статья. 2003. — Режим доступа: http://citforum.univ.kiev.ua/ consulting/BI/svtable/
  42. , К.В. Средства накопления, унификации и актуализации данных для анализа медико-демографических процессов /К.В. Шалдыбина // Материалы конференции молодых ученых / ИВМ СО РАН. Красноярск, 2005. — С. 75−79.
  43. , С.В. Рефакторинг баз данных: эволюционное проектирование, пер. с англ. / С. В. Эмблер, П.Дж. Садаладж. — М.: Вильяме, 2007. — 672 с. л
  44. Abello, A. YAM: a multidimensional conceptual model extending UML /А. Abello, J. Samos, F. Saltor // Information Systems. 2006. — 31(6). -P. 541−567.
  45. Beyer, K. Bottom-up computation of sparse and iceberg cubes / K. Beyer, R. Ramakrishnan // Proc. of the 1999 ACM SIGMOD Inter. Conf. on Management of Data, New York. 1999. — P. 359−370.
  46. Bouzeghoub, M. A Quality-based framework for physical data warehouse design / M. Bouzeghoub, Z. Kedad // Proc. of the Inter. Workshop on Design and Management of Data Warehouses, Stockholm, Sweden, 2000. -Article 9.- 12 p.
  47. Bruno, N. Physical design refinement: The «merge-reduce» approach / N. Bruno, S. Chaudhuri // ACM Transactions on Database Systems, 2007. -Vol. 32. No. 4. — Article 28. — 43 p.
  48. Buzydlowski, J.W. A framework for object-oriented on-line analytic processing / J.W. Buzydlowski, I. Song, L. Hassell // Proc. of the 1st ACM Inter. Workshop on Data Warehousing and OLAP, New York. 1998. -P. 10−15.
  49. Cabibbo, L. A logical approach to multidimensional databases / L. Cabibbo, R. Torlone // Proc. of the 6th Inter. Conf. on Extending Database Technology: Advances in Database Technology, Springer-Verlag, London. — 1998. — Vol. 1377.-P. 183−197.
  50. Chen, Z. Efficient computation of multiple group by queries / Z. Chen, V.R. Narasayya // Proc. of the ACM SIGMOD Inter. Conf. on Management of Data, Baltimore, Maryland, USA. 2005. — P. 263−274.
  51. Dehne, F. Efficient computation of view subsets / F. Dehne, T. Eavis, A. Rau-Chaplin // Proc. of the ACM Tenth Inter. Workshop on Data Warehousing and OLAP, Lisbon, Portugal. 2007. — P. 65−72.
  52. FirebirdSQL Электронный ресурс.: официальный сайт Firebird, 2009. -Режим доступа: http://www.firebirdsql.org/
  53. Giorgini, P. Goal-oriented requirement analysis for data warehouse design / P. Giorgini, S. Rizzi, M. Garzetti // Proc. of the 8th ACM Inter. Workshop on Data Warehousing and OLAP, Bremen, Germany. 2005. — P. 47−56.
  54. Golfarelli, M. A methodological framework for data warehouse design /М. Golfarelli, S. Rizzi // Proc. of the 1st Inter. Workshop on Data Warehousing and OLAP, Maryland, USA. 1998. — P. 3−9.
  55. Golfarelli, M. The dimensional fact model: a conceptual model for data warehouses / M. Golfarelli, D. Maio, S. Rizzi // Inter. Journal of Cooperative Information Systems. 1998. -No.7. — P. 215−247.
  56. Golfarelli, M. View materialization for nested GPSJ queries / M. Golfarelli, S. Rizzi // Proc. of the Inter. Workshop on Design and Management of Data Warehouses.-2000.-P. 10−1, 10−9.
  57. Gray, J. Data Cube: A relational aggregation operator generalizing group-by, cross-tab and sub-totals / J. Gray, S. Chaudhuri, A. Bosworth, A. Layman, D. Reichart, M. Venkatrao // Data Mining and Knowledge Discovery. 1997. -No. 1(1).-P. 29−54.
  58. Gupta, H. Selection of views to materialize in a data warehouse / H. Gupta, F.N. Afrati, P.G. Kolaitis // Proc. of the 6th Inter. Conf. on Database theory., Eds. Lecture Notes In Computer Science, Springer-Verlag, London. 1997. -P. 98−112.
  59. Hanson, E.N. A performance analysis of view materialization strategies /E.N. Hanson // Proc. of the ACM SIGMOD Conf. on Management of Data. -1987.-P. 440−445.
  60. Harinarayan, V. Implementing data cubes efficiently / V. Harinarayan, A. Rajaraman, J.D. Ullman // Proc. of the 1996 ACM SIGMOD Inter. Conf. on Management of Data, Quebec. 1996. — P. 205−216.
  61. Horng, J.-T. Applying evolutionary algorithms to materialized view selection in a data warehouse / J.-T. Horng, Y.-J. Chang, B.-J. Liu // Soft Computing, Springer-Verlag. -2003. -No.7. P. 574−581.
  62. Hung, M. Efficient approaches for materialized views selection in a data warehouse / M. Hung, M. Huang, D. Yang, N. Hsueh // Information Sciences -2007.-No. 177.-P. 1333−1348.
  63. Heusemann, B. Conceptual data warehouse design / B. Heusemann, J. Lechtenbeorger, G. Vossen // Proc. of the DMDW. 2000. — P. 3−9.
  64. IBM Informix Электронный ресурс.: официальный сайт разработчика, -2009. — Режим доступа: http://www.ibm.com/developerworks/data/ products/informix/
  65. IBM InfoSphere DataStage Электронный ресурс.: официальная страница сайта продукта. Режим доступа: http://www-01.ibm.com/software/ data/infosphere/datastage/
  66. IBM System р Электронный ресурс.: официальная страница сайта продукта. Режим доступа: http://www-03.ibm.eom/systems/p/
  67. Informatica Электронный ресурс.: официальный сайт Informatica. — Режим доступа: http://www.informatica.com/Pages/index.aspx
  68. Inmon, W.H. Building the data warehouse / W.H. Inmon. John Willey & Sons, New York, 1992. — 312 p.
  69. InterBase Электронный ресурс.: официальный сайт разработчика, — 2009. Режим доступа: http://www.borland.com/
  70. Kalnis, P. View selection using randomized search / P. Kalnis, N. Mamoulis, D. Papadias // Data Knowledge Engineering. 2002. — No. 42(1). -P. 98−111.
  71. Kamble, A.S. A conceptual model for multidimensional data / A.S. Kamble // Proc. of the Fifth on Asia-Pacific Conf. on Conceptual Modelling, Australian Computer Society, Darlinghurst, Australia. 2008. — Vol. 79. — P. 29−38.
  72. Kimball, R. The data warehouse toolkit: the complete guide to dimensional modeling / R. Kimball, M. Ross. John Wiley & Sons, Inc. New York, 2002. -416 p.
  73. Kudryavcev, Y. Efficient algorithms for MOLAP data storage and query processing / Y. Kudryavcev // Proc. of the Spring Young Researcher’s Colloquium on Database and Information Systems, Moscow, 2006. 5 p.
  74. Labio, W.J. Physical database design for data warehouses / WJ. Labio, D. Quass, B. Adelberg // Inter. Conf. on Data Engineering. — 1997. -P. 277−288.
  75. Lakshmanan, L. QC-trees: An efficient summary structure for semantic OLAP / L. Lakshmanan, J. Pei, Y. Zhao // Proc. of the 2003 ACM SIGMOD Inter. Conf. on Management of Data, San Diego, CA. 2003. — P. 64−75.
  76. Lawrence, M. Multiobjective genetic algorithms for materialized view selection in OLAP data warehouses / M. Lawrence // Proc. of the 8th Annual Conf. on Genetic and Evolutionary Computation, Seattle, Washington, USA. -2006.-P. 699−706.
  77. Liang, W. Materialized view selection under the maintenance time constraint / W. Liang, H. Wang, M.E. Orlowska // Data and KnowledgeEngineering. -2001.-No. 37.-P. 203−216.
  78. Lujan-Mora, S. A UML profile for multidimensional modeling in data warehouses / S. Lujran-Mora, J. Trujillo, I. Song // Data Knowledge Engineering. -2006. Vol.59. — No. 3. — P. 725−769.
  79. Lujarn-Mora, S. Extending UML for multidimensional modeling / S. Lujarn-Mora, J. Trujillo, I.-Y. Song // Proc. of the 5th Inter. Conf. on the Unified Modeling Language, LNCS 2460, Dresden, Germany. 2002. -P. 290−304.
  80. Mazon, J. Applying MDA to the development of data warehouses / J. Mazon,. J. Trujillo, M. Serrano, M. Piattini // Proc. of the 8th ACM Inter. Workshopon Data Warehousing and OLAP, Bremen, Germany. 2005. — P. 57−66.
  81. Morfonios, K. CURE for cubes: cubing using a ROLAP engine / K. Morfonios, Y. Ioannidis // Proc. of the 32nd Inter. Conf. on Very Large Data Bases, Seoul, Korea.- 2006.-P. 379−390. ,
  82. Morfonios, K. ROLAP implementations of the data cube / K. Morfonios, S. Konakas, Y. Ioannidis, N. Kotsis // ACM Computing Surveys, 2007. -Vol. 39. No. 4. — Article 12. — 53 p.
  83. MySQL Электронный ресурс.: официальный сайт MySQL. 2009. — Режим доступа: http://www.mysql.com/
  84. Pedersen, Т.В. Warehousing the world: a few remaining challenges / T.B. Pedersen // Proc. of the ACM Tenth international Workshop on Data Warehousing and OLAP, Lisbon, Portugal. 2007.- P. 101−102.
  85. Pedersen, T.B. Multidimensional data modeling for complex data / T.B. Pedersen, C.S. Jensen // Proc: of 15th Inter. Gonf. on Data Engineering, IEEE Computer Society. 1999. — P. 336−346.
  86. Peralta, V. On the applicability of rules to automate data warehouse logical design / V. Peralta, A. Illarze, R. Ruggia, // Proc. of the 15th Conf. on Advanced Information Systems Engineering Klagenfurt, Velden, Austria. -2003.-P. 329−340.
  87. Phuboon-ob, J. Selecting materialized! views using: two-phase optimization with multiple view processing plan / J. Phuboon-ob, R. Auepanwiriyakul //Inter. Journal, of Computer and lnformation Science and Engineering. -2007.-№ 1.-P. 108−113.
  88. Red Brick. Warehouse Электронный ресурс.: сайт IBM. 2009. — Режим доступа: http://www-01.ibm.com/software/data/informix/redbrick/
  89. Rizzi, S. Research in data warehouse modeling and design: dead or: alive? / S. Rizzi, A. Abello, J. Eechtenborger, JiTrujillo // Proc: of the 9th< AGMCIn-ter. Workshop on" Data' Warehousing and* OEAP- New York. 2006−1. P. 3−10.
  90. Ross, K. Fast Computation* of Sparse Datacubes / K. Ross, D. Srivastava // Proc. of the 23rd Inter. Conf. on Very l, arge Data Bases, San, Francisco, CA.-1997.-P. 116−125.
  91. Sapia, C. Extending the E/R model for the multidimensional paradigm / C. Sapia, M- Blaschka, G. Heofling, B. Dinter // Proc. ER Workshop on Data Warehousing and Data Mining. 1998. — P. 105−116.
  92. Sapia, C. On modeling and predicting query behavior in olap systems / C. Sapia // Inter. Workshop on Design and Management of Data Warehouses, Heidelberg, Germany. —1999-— P. 1−10-
  93. Shukla, A. Materialized view selection for multidimensional datasets / A. Shukla, P. Deshpande, J.F.Naughton // Proc. of the 24rd Inter. Conf. on Very Large Data Bases. 1998. — P. 488−499.
  94. Sismanis, Y. Dwarf: shrinking the PetaCube / Y. Sismanis, A. Deligiannakis, N. Roussopoulos, Y. Kotidis // Proc. of the 2002 ACM SIGMOD Inter. Conf. on Management of Data, Madison, Wisconsin, USA. 2002. — P. 464−475.
  95. SQL Server 2008 Электронный ресурс.: сайт Microsoft. 2009. — Режим доступа: http://www.microsoft.com/sqlserver/2008/en/us/default.aspx
  96. SQL:1999 Электронный ресурс.: сайт SQL. — 2009. Режим доступа: http://www.service-architecture.com/database/articles/sql 1999. html
  97. The OLAP report Электронный ресурс.: сайт проекта «The OLAP report». -Режим доступа: http://www.olapreport.com/
  98. Theodoratos, D. A general framework for the view selection problem for data warehouse design and evolution / D. Theodoratos, M. Bouzeghoub // Proc. of the 3rd ACM Inter. Workshop on Data Warehousing and OLAP, New York. — 2000.-P. 1−8.
  99. Theodoratos, D. Data warehouse configuration / D. Theodoratos, T. Sellis //Proc. of the 23rd Inter. Conf. on Very Large Data Bases. 1997. -P. 126−135.
  100. Theodoratos, D. Designing data warehouses / D. Theodoratos, T. Sellis // Data Knowl. Eng. 31. 1999. — No. 3. — P. 279−301.
  101. Theodoratos, D. Incremental design of a data warehouse / D. Theodoratos, T. Sellis // Journal of Intelligent Information Systems. 2000. — Vol.15. -P. 7−27.
  102. TPC Benchmark-H Электронный ресурс.: сайт комитета ТРС. Режим доступа: http://www.tpc.org/tpch/
  103. Tryfona, N. StarER: A conceptual model for data warehouse design /N. Tryfona, F. Busborg, J. Christiansen // Proc. of the ACM 2nd Intl. Workshop on Data Warehousing and OLAP, Kansas City. 1999. — P. 3−8.
  104. Uchiyama, H. Progressive view materialization algorithm / H. Uchiyama, K. Runapongsa, T.J. Teorey // Proc. of the 2nd Inter. Data Warehousing and OLAP Workshop, Kansas City. 1999. — P. 36−41.
  105. Vassiliadis, P. Modeling multidimensional databases, cubes and cube operations / P. Vassiliadis // Proc. of the 10th Int. Conf. on Scientific and Statistical Database, IEEE Computer Society, Washington- DC. 1998. — P. 53−62.
  106. Yu, J. X. Materialized view selection as constrained evolutionary optimization /J.X. Yu, X. Yao, Ch-H. Choi, G. Gou // Systems, Man, and Cybernetics, Part C: Applications and Reviews. 2003. — Vol. 33. — No. 4. — P. 458−467.
  107. Zhang, C. An evolutionary approach to materialized views selection in a data warehouse environment / C. Zhang- X. Yao, J: Yang // IEEE Trans. Syst., Man, Cybern. -2001. No 3. — P. 1−30.
  108. Zhang, C. Genetic algorithm for materialized' view selection in data warehouse environments / C. Zhang, J. Yang // Proc. of the 1st Intl. Conf. on Data Warehousing and- Knowledge Discovery, Springer-Verlag. 1999. -No. 1676. — P. 116−125.
Заполнить форму текущей работой

Пора сдавать?