导读:本文包含了重新演算论文开题报告文献综述、选题提纲参考文献，主要关键词:视图,数据仓库,PMDVM。
重新演算论文文献综述写法
左亚尧[1]（2002）在《实化视图重新演算算法与实现》一文中研究指出数据仓库是为响应高层查询与分析(如决策支持和数据挖掘)而建立的一个数据库系统，它是实化视图的集合，实化视图存储于分配给数据仓库的物理空间中，并响应所有对数据仓库的查询请求。建好数据仓库后的重要课题就是如何对它有效地维护，尤其是下层数据源产生更新后，数据仓库的实化视图怎样与之保持一致就成了一个迫切的问题。就目前的研究现状来看，主要有两种方法：增量式实化视图维护方法和自维护方法。视图自维护方法通过在数据仓库中复制所有或部分源关系的数据，从而使维护数据仓库实化视图时不需要访问数据源。然而，实化视图仍必须从数据源获得必要的信息，大多数更新操作不能使用实化视图可自维护来演算，而且它增加了空间复杂性并导致信息冗余上升。因而通常更实际的情况是用增量式维护方式来更新实化视图。增量式实化视图维护方法实化基本关系中的相关数据子集成为实际的视图，并且依靠这个本地数据来处理用户查询，当收到数据源产生更新后，对实化视图进行增量式重演算维护，如ECA算法、Strobe算法、OLEC算法等。OLEC算法克服了ECA算法和Strobe算法的缺点，它不需要额外的本地补偿操作，视图增量提交时也不需要数据仓处于静止状态。 我们的目标是致力于构建一个通用的可嵌入现有MIS系统和分布式数据库系统的数据仓库引擎，以最小代价将它们提升为数据仓库系统，进而进行高层的数据应用开发。在这篇论文中，我们为数据仓库系统中的视图维护与一致性提出一个新的方法，称为PMDVM算法。它通过CORBA和JAVA技术来实现，以WHIPS数据仓库原型为基础，我们赋予OLEC算法并行处理并发更新的能力，也对WHIPS原型作了一定的改进，并且集中了几种不同的算法，包括相关性检测算法和视图自维护算法。当收到更新后，PMDVM方法首先用相关性对其检查，对不相关更新直接抛弃；对相关更新对其进行并发增量视图维护或自维护机制检查，对满足自维护的更新通过查询辅助视图（而不是查询数据源）来避兔网络传输和使实化视图与底层的数据源保持一致，对必须进行并发增量视图维护的更新由POLEC来处理。(本文来源于《广东工业大学》期刊2002-04-28）
重新演算论文开题报告范文
重新演算论文参考文献
[1].左亚尧.实化视图重新演算算法与实现[D].广东工业大学.2002