基于路径计算的XML Cube新型数据模型研究

随着互联网技术发展和应用的不断深入，基于网络信息进行决策已经成为一种趋势， XML数据仓库已经引起广泛重视。由于数据立方(Data Cube)是数据仓库的重要组成部分，因此，XML数据立方(XML Cube)技术已经成为当前的研究热点之一。由于现有数据模型的不完善导致XML Cube聚集查询效率低下，直接影响了XML Cube的性能。本课题在已有研究成果的基础上拟研究一种新型的XML Cube数据模型-pXCube，该模型采用路径计算技术定位事实单元，解决传统模型存在的缺陷，从理论根本上解决XML Cube的效率低下问题。同时，课题将从索引技术和自动建模方法两方面提高模型的可用性。由于聚集查询技术在数据立方中一直处于核心地位，课题将结合Hash索引及树索引研究一种适合聚集查询的、高效的、基于pXCube模型的新索引技术。在此基础上，研究基于pXCube的自动建模新方法，以提高建模效率。

随着网络技术发展，XML越来越多地用于数据交换，并且已经成为重要的数据模型。 XML数据仓库已经引起广泛重视。由于数据立方(Data Cube)是数据仓库的重要组成部分，因此，XML数据立方(XML Cube)技术已经成为当前的研究热点之一。但是，目前的XML Cube数据模型的查询效率一直是一个瓶颈，而这一瓶颈是由于维度与事实数据之间连接操作导致的。.本项目重点研究一种基于路径计算的新型的XML数据立方模型—pXCube，主要成果包括：（1）pXCube数据模型结构、操作方法以及约束机理；（2）pXCube模型的建模方法及查询方法；（3）基于Hash索引及树索引的适用于pXCube聚集查询的索引技术及相应的代价估算、性能分析及评价方法；（4）基于云计算环境的pXCube数据模型任务划分技术。pXCube模型的聚集查询性能优于传统的XML Cube模型，解决了传统模型存在的缺陷。通过原型系统验证了模型的有效性，并在实际中进行了应用尝试。