| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 物化视图技术的产生 | 第10-11页 |
| 1.1.2 物化视图技术是影响数据仓库查询性能的关键 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 静态物化视图选取 | 第11-13页 |
| 1.2.2 动态物化视图选取 | 第13-14页 |
| 1.2.3 现有研究存在的不足 | 第14-15页 |
| 1.3 论文主要内容 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 数据仓库与物化视图 | 第17-28页 |
| 2.1 数据仓库 | 第17-25页 |
| 2.1.1 数据仓库的定义及特点 | 第17-18页 |
| 2.1.2 数据仓库的体系结构 | 第18-19页 |
| 2.1.3 多维数据模型 | 第19-21页 |
| 2.1.4 OLAP简介 | 第21-25页 |
| 2.2 物化视图 | 第25-27页 |
| 2.2.1 物化视图的定义 | 第25页 |
| 2.2.2 物化视图的选择 | 第25-26页 |
| 2.2.3 物化视图的维护 | 第26-27页 |
| 2.2.4 其他数据仓库查询优化技术 | 第27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于查询聚类的物化视图选取算法 | 第28-46页 |
| 3.1 经典物化视图选取算法及其特点 | 第28-29页 |
| 3.1.1 BPUS算法 | 第28页 |
| 3.1.2 FPUS算法 | 第28-29页 |
| 3.2 ARMVSA算法的提出 | 第29-30页 |
| 3.3 基于Apriori的查询语句相似性计算 | 第30-34页 |
| 3.3.1 Apriori算法 | 第30-31页 |
| 3.3.2 属性字段相似性计算 | 第31-33页 |
| 3.3.3 查询语句相似性计算 | 第33-34页 |
| 3.4 基于聚类分析的候选物化视图生成 | 第34-36页 |
| 3.4.1 聚类分析 | 第34-35页 |
| 3.4.2 候选物化视图的生成 | 第35-36页 |
| 3.5 物化视图的生成 | 第36-39页 |
| 3.5.1 物化视图效益模型的提出 | 第37-39页 |
| 3.5.2 基于贪心策略的物化视图选取策略 | 第39页 |
| 3.6 实验 | 第39-45页 |
| 3.6.1 实验数据 | 第39-42页 |
| 3.6.2 实验过程与实验结果分析 | 第42-45页 |
| 3.6.3 实验结论 | 第45页 |
| 3.7 本章小结 | 第45-46页 |
| 第四章 物化视图动态调整策略 | 第46-55页 |
| 4.1 物化视图动态调整策略的提出背景 | 第46页 |
| 4.2 基于“最近最少使用”调度方法的物化视图动态调整策略 | 第46-50页 |
| 4.2.1 视图动态调整策略的基本思想 | 第46-47页 |
| 4.2.2 “最近最少使用”调度方法 | 第47页 |
| 4.2.3 策略流程设计与算法描述 | 第47-50页 |
| 4.3 实验 | 第50-54页 |
| 4.3.1 实验数据与实验环境 | 第50-51页 |
| 4.3.2 实验过程与实验结果分析 | 第51-54页 |
| 4.3.3 实验结论 | 第54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 作者简介 | 第63页 |