3、数据仓库模式演化的动态工作负载管理

数据仓库模式演化的动态工作负载管理

1. 引言

数据仓库技术在决策支持信息系统的设计、管理和使用方面取得了重要进展。然而，企业中不断涌现新的数据和分析需求，这不仅需要更大的存储容量，还要求新的方法、模型、技术或架构。数据仓库的一些热门话题包括模式演化、版本控制和用于维度更新的OLAP操作符。

为了有效支持OLAP分析，数据仓库存储来自异构数据源的面向主题、集成、时变且非易失的数据集合。数据在数据仓库中以多维方式组织，通过维度对事实进行分析，维度可分为层次结构，代表不同的信息粒度级别。但当前的OLAP模型对模式演化的支持较差，导致数据仓库维度在部署后保持静态。

设计数据仓库有多种方法，不同方法各有侧重，但都面临数据来源和需求变化的问题，因此数据仓库模式需要随时间演化。针对这一问题，出现了两类研究：一是通过时间戳记录层次关系来管理和保存演化历史的时态多维数据模型；二是用一组模式演化操作符扩展多维代数。

在数据仓库演化的背景下，提出了一种新的架构，采用用户驱动的方式，根据用户的个性化分析需求创建新的维度层次结构，以实现分析的个性化。同时，选择合适的数据仓库架构和优化技术对查询响应时间至关重要，而工作负载的设计和管理对于评估性能优化技术的效率也非常关键。

2. 相关工作

2.1 数据仓库模型演化

• 模型更新 ：通过转换数据仓库模式，使用适应的演化操作符进行模式更新，但不保留演化历史。例如，Hurtado等人将维度建模为无环图，通过代数函数修改图结构；Blaschka等人提出了基本的模式演化操作符。
• 时态建模 <