Effiziente Zugriffsmethoden zur Analyse, Modifikation und aggregierten Darstellung multidimensionaler Daten in memory-basierten OLAP-Anwendungen

用于在基于内存的 OLAP 应用程序中分析、修改和聚合多维数据表示的高效访问方法

• 批准号: 63321454
• 负责人: Dr. Tobias Lauer
• 金额: --
• 依托单位: Jedox AG
• 依托单位国家: 德国
• 项目类别: Research Grants (Transfer Project)
• 财政年份: 2008
• 资助国家: 德国
• 起止时间: 2007-12-31 至 2011-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/63321454?language=en
• 关键词: Effiziente; Zugriffsmethoden; zur; Analyse; Modifikation

OLAP-Systeme („On-Line Analytical Processing“) bieten die Möglichkeit der interaktiven Exploration und Manipulation großer zusammengefasster Datenbestände (Data Warehouses). Sie sind damit ein integraler Bestandteil der so genannten Business Intelligence. Grundlegendes abstraktes Datenmodell von OLAP ist der Data Cube, der die Datensätze als Zellen einer multidimensionalen Tabelle modelliert, die gemäß Benutzeranfragen aufbereitet und in geeigneten Sichten präsentiert werden können.In-Memory-OLAP-Systeme, bei denen alle relevanten Daten im Hauptspeicher gehalten werden, haben zusätzlich den Anspruch, auch Planungsszenarien und so genannte What-if-Anfragen effizient zu unterstützen, für die eine schnelle Rückschreibefähigkeit der verwendeten Datenstrukturen Voraussetzung ist.Aufbauend auf den bisherigen Ergebnissen soll der In-Memory-Server Palo des Projektpartners Jedox AG um neue Algorithmen und Datenstrukturen ergänzt werden, die eine Reduktion der bisherigen Zugriffszeiten um Größenordnungen ermöglichen.In Projekt werden neue Algorithmen und Datenstrukturen zur effizienten Repräsentation hochdimensionaler Räume im Kontext von OLAP-Anwendungen entwickelt. Dabei liegt ein besonderer Fokus auf der speicherresidenten Repräsentation der Daten sowie neben dem lesenden Zugriff auf die Daten auch auf deren effizienten Veränderung. Insbesondere werden zusätzlich zu sequentiellen Algorithmen und Datenstrukturen die Möglichkeiten der Parallelisierung untersucht, unter anderem mit Hilfe von Grafikkarten (GPUs) als Coprozessoren. Die im Rahmen der bisherigen Förderung erzielten Ergebnisse fließen derzeit in die Entwicklung einer neuen, GPU-basierten Version von Palo ein, deren Release für Mitte 2010 geplant ist.Im hier beantragten Förderzeitraum soll vor allem die massiv parallele Berechnung komplexerer OLAP-Funktionen (sogenannter Enterprise Rules) im Blickpunkt stehen, für die wir durch den Einsatz von GPUs noch ein weitaus größeres Potenzial zur Effizienzsteigerung sehen als bei einfachen Aggregationsoperationen. Allerdings sind für derartige erweiterte Funktionen trotz ihrer häufigen Verwendung in der Praxis bisher kaum theoretische Grundlagen in der Forschungsliteratur zu finden, so dass auch eine formale Klassifizierung von Enterprise Rules Teil der geplanten Arbeiten sein soll.

OLAP系统（“在线分析处理”）是数据仓库的一个组成部分。这是一个非常好的商业智能集成商。OLAP数据模型的基本抽象是数据立方体，数据立方体是一个多维的表模型，数据库中的数据结构是一个多维的表模型。für die eine schnelle Rückschreibefähigkeit der verwendeten Datenstrukturen Voraussetzung ist.Aufbauend auf den bisherigen Ergebnissen soll der In-Memory-Server Palo des Projektpartners Jedox AG um neuegummen und Datenstrukturen ergänzt韦尔登，Die eine Reduktion der bisherigen Zugriffszeiten um Größe dungnungen ermöglichen.In Projekt韦尔登neue Schummen und Datenstrukturen zur effizienten Repräsentation OLAP-Anwendungen entwickelt的Hochdimensionaler Rästrium im Kontext。Dabei liegt een besonderer Fokus auf der speicherresidenten Repräsentation der Daten sowie neben dem lesenden Zugriff auf die Daten auf deren effizienten Veränderung. Insbesondere韦尔登zusätzlich zu sequentiellen muscumen und Datenstrukturen die Möglichkeiten der muscumelisierung untersucht，unter anderem mit Hilfe von Grafikkarten（GPU）als Coprozessoren. Die im Rahmen der bisherigen Förderung erzielten Ergebnisse fließen derzeit in die Entwicklung einer neuen，GPU-basierten Version von Palo ein，deren Release für米特2010 geplant ist.Im beantragten Förderzeitraum soll vor allem die bisv parallelele Berechnung komplexerer OLAP-Funktionen（sogenannter Enterprise Rules）在Blickpunkt stehen，für die wir durch den Einquiry von GPU noch ein weitaus größeres Potenzial zur Effizizienzsteigerung sehen als bei einfachen Aggregationsoperationen. Allerdings sind für derartige erweiterte Funktionen trotz irrer häufigen Verwendung in der Praxis bisher kaum theoretische Grundlagen in der Forschungsliteratur zu finden，so dass auch eine formale Klassifizierung von Enterprise Rules Teil der geplanten Arbeiten seen soll.