聯(lián)機分析處理的綜述和分析

10.計算機應用研究2003年聯(lián)機分析處理的綜述和分析張忠平12 ,李榮2, 郭麗麗'( 1.燕山大學(xué)信息科學(xué)與工程學(xué)院,河北秦皇島066004; 2. 復旦大學(xué)計算機與信息技術(shù)系,上海200433)摘要:介紹了聯(lián)機分析處理的研究狀況對-些典型的聯(lián)機分析處理產(chǎn)品進(jìn)行了分析和評價(jià)指出了可視化的不足引入概念層次提升改進(jìn)可視化效果的方法提出了聯(lián)機分析處理非數值型的量度和虛擬視圖的更新方法展望了聯(lián)機分析處理的未來(lái)研究的問(wèn)題和方向。關(guān)鍵詞:數據倉庫;聯(lián)機分析處理;多維數據;數據立方體;數據挖掘中圖法分類(lèi)號: TP311文獻標識碼: A文章編號: 1001-3695( 2003 )8-0010-04An Analytical Overview of On-Line Analytical ProcessingZHANG Zhong-ping'2 , L Rong2 , GUO Li-i'( 1. Cllege of Information Science & Engineering , Yanshan Unixersity ,Qinhuangdao Helei 066004 ,China 2. Dept . of Compuer & Information Tech-nology , Fudan Unirersity ,Shanghai 200433 ,China )Abstract : This paper provides studied status of On-line Analytical Processing( OLAP ), analyses and estimates typical productions ,points out shortage of visual OLAP，inducts concept levels extraction and improves visual OLAP , brings measure of no numerical valuetype and updated ways of virtual view , views some future directions and problems in OLAP.Key words : Data Warehouse ; OLAP ; Multidimensional Data ; DataCube ; Data Mining策今年旺季的產(chǎn)品進(jìn)貨等有關(guān)事宜”。這是一個(gè)非常實(shí)1引言際的問(wèn)題。決策者所需要的數據總是與一些統計指標聯(lián)機分析處理( On-line Analytical Processing ,0LAP )如銷(xiāo)售額、銷(xiāo)售產(chǎn)品、銷(xiāo)售地區、銷(xiāo)售時(shí)間等統計有關(guān)。是最近幾年剛剛興起的軟件技術(shù),它在企業(yè)的領(lǐng)域內已這些統計數據是多維數據在多維數據上進(jìn)行分析是決被數據庫界廣泛研究與應用。20 世紀60年代末,關(guān)系策的主要內容。傳統的數據庫很難適應這種決策分析。數據庫之父E.F. Codd提出了關(guān)系模型,促進(jìn)了關(guān)系數聯(lián)機分析處理軟件技術(shù)是專(zhuān)門(mén)用于支持復雜分析操作據庫與聯(lián)機事務(wù)處理( On-Line Transaction Processing ,的,它以一種直觀(guān)易懂的餅圖、曲線(xiàn)圖、直方圖等形式[1]OLTP)的發(fā)展數據以關(guān)系表的形式而非文件方式存儲將查詢(xún)分析結果提供給決策人員,側重于對決策及管理為用戶(hù)提供資源共享。隨著(zhù)社會(huì )的進(jìn)步和企業(yè)的發(fā)展,人員的決策支持。數據量從兆(M)字節、千兆(G字節發(fā)展到現在的兆兆OL AP基本概念.(T序節、千兆兆(P字節與此同時(shí)用戶(hù)的查詢(xún)需求也變得越來(lái)越多樣化,每一個(gè)需求不只是涉及簡(jiǎn)單的一個(gè)(1變量。它是數據度量的指標是數據的實(shí)際意關(guān)系表,而是多個(gè)關(guān)系表的多條乃至上千萬(wàn)條記錄的綜義即描述數據是什么”。通常也將變量稱(chēng)為度量(或合信息。關(guān)系數據庫及聯(lián)機事務(wù)處理已不能滿(mǎn)足終端量度)用戶(hù)(決策者及管理人員對數據復雜的查詢(xún)分析需求。(2)維。它是人們觀(guān)察數據的特定角度。維實(shí)際上1993年EF.Codd提出了多維數據庫和多維分析的概是考慮問(wèn)題時(shí)的一類(lèi)屬性單個(gè)屬性或屬性集合可以構念即0LAP。它側重于分析型應用,區別于OLTP的操成一個(gè)維。作型應用。在日常實(shí)際決策過(guò)程中決策者需要的信息在中國煤化工成共享維、私有維、常數據往往不只是單一的某個(gè)指標數值,而是要能夠從多.規維、MHCNMH(c為用戶(hù)更好地展現維個(gè)角度觀(guān)察某個(gè)指標或多個(gè)指標的數值并能發(fā)現各指的特性。標之間的關(guān)系。比如某公司總裁可能想知道本公司(3維的層次。人們觀(guān)察數據的某個(gè)特定角度(即最近兩年在銷(xiāo)售旺季產(chǎn)品銷(xiāo)售總額的對比情況,用以決某個(gè)維還可以從細節不同的各個(gè)方面進(jìn)行描述將不同的各個(gè)描述方面稱(chēng)為維的層次。收稿日期2掉6;修返日期: 2002-10-08(4維的成員。它是指維的一個(gè)取值。若維是多層第8期張忠平等聯(lián)機分析處理的綜述和分析11.次的不同層次的取值構成-一個(gè)維成員。這里需要指出供快速的分析這也正是體現聯(lián)機分析處理的特性。的是維成員不一定每個(gè)維層次都必須取值部分維層次在文獻13 ]中介紹了時(shí)間序列數據類(lèi)型,在一個(gè)同樣可以構成維成員,且維成員是次序無(wú)關(guān)的。數據單元內存儲一個(gè)時(shí)間序列的數據。這種數據類(lèi)型有些成員由輸入的數據組成后稱(chēng)為輸入成員,由輸可以省去時(shí)間維,簡(jiǎn)化了對時(shí)間的處理,同時(shí)減少多維入成員和操作符組成表達式可以構成導出成員。導出數據庫對數據單元的數量限制。但是需要定義起始時(shí)成員既可以作為維成員,也可以作為度量成員。導出成間、時(shí)間周期以及周期之間的數據轉換規則。比如:財員作為度量成員在實(shí)際應用中較為普遍。政年、閏月、周時(shí)間跨越月份等問(wèn)題在數據之間轉換時(shí).(5多維數組。它是維和變量的組合表示。一個(gè)多都需要詳細考慮45]增加了額外數據準備步驟。新的維數組可以表示為(維1、 維....維n變量)在多維數據增加在矩陣中會(huì )增加列,矩陣會(huì )變得越來(lái)越龐大,數組中,-定要有變量存在,且變量通常是數值型的。響應速度將會(huì )受到影響。所以目前0LAP產(chǎn)品較少使用(6數據單元。多維數組的取值稱(chēng)為數據單元。當時(shí)間序列數據類(lèi)型。多維數組的各個(gè)維確定一個(gè)維成員就惟一確定一個(gè)變(8 )聯(lián)機分析處理。它是使分析人員、管理人員或量的值?？梢员硎緸?維1成員、維2成員....維n成執行人員能夠從多種角度對從原始數據中轉化出來(lái)的、員、變量的值)。能夠真正為用戶(hù)所理解的、并真實(shí)反映企業(yè)維特性的信.(7數據立方體。它是為輸入數據的聚合定義的框息進(jìn)行快速、-致、交互地存取，從而獲得對數據的更深架結構是多維數據庫23數據在維模型中的一種表述,入了解的一類(lèi)軟件技術(shù)。允許以多維對數據建模和觀(guān)察,由維和事實(shí)組成。聯(lián)機分析處理具有快速性、可分析性、多維性和復圖1所示是按季度時(shí)間、城市地區和商品類(lèi)型三個(gè)雜性四個(gè)特性167。維銷(xiāo)售的數據組成的數據立方體集中反映了上述定義。3OLAP的多維數據在多維數組定義中指明變量通常是數值型的下面我們定義變量是非數值型類(lèi)型的情況。假定圖1是函3.1 多維數據結構數V=KX,Y zIX為季度;Y 為城市z為商品)確定的數值?，F定義一個(gè)邏輯函數:OLAP的多維數據分為兩種結構形式8]:aV)= {! KxY 2)>800認為是有意義的銷(xiāo)售)(1)以多維數組的形式存儲在多維數據庫(Muli.0≤KX,YZ)<800(認為是無(wú)意義的銷(xiāo)售)Dimesional Database ,MDD )中,而不是像關(guān)系數據庫那樣根據邏輯函數Q V )圖1數據立方體可以轉換為如以記錄的形式存放,因 此它存在大量空值、重復等稀疏圖2所示的立方體。對于立方體中數據單元為邏輯值，數據1。人們可以通過(guò)多維視圖來(lái)觀(guān)察數據。多維數我們可以定義邏輯AND" 和OR" 等運算。據庫與關(guān)系數據庫相比它的優(yōu)勢在于可以提高數據處:(城市)巾)理速度加快反應時(shí)間,提高查詢(xún)效率。對于大量稀疏南享數據采用壓縮技術(shù)處理[ 9,10]。(2)基于關(guān)系數據庫的星型模式(StarSchema)和雪02680952 31 512052233花模式(SnovflakeSchema)》星型模式由事實(shí)表和維表組0.9379383858000I本毒畜(尚品類(lèi)型)成。事實(shí)表包含基本不含冗余數據的中心表。維表包含維數據的附屬表,每維對應一個(gè)維表。事實(shí)表通過(guò)外圖1按季度城市和商品圖2邏輯數值的多維.鍵與維表相連接,像星星爆炸一樣,故稱(chēng)為星型模式。類(lèi)型三個(gè)維銷(xiāo)售的數數據立方體雪花模式是星型模式的變形。在星型模式中某些維表?yè)⒎襟w(單位:萬(wàn)元)對應多維數組(O 上海計算機,1);較為復雜,用一張維表來(lái)描述會(huì )帶來(lái)過(guò)多冗余數據,為(Q2上海計算機1);了避免冗余數據占用過(guò)多的空間將維表再進(jìn)行模式分(Q3上海計算機1);解把數據進(jìn)一步分解到附加的維表中,這樣星型模式(Qa上海計算機1)形成類(lèi)似雪花的形狀故稱(chēng)為雪花模式。進(jìn)行AND"運算結果為1”則說(shuō)明計算機在上海一年雪花模式和星型模式的主要區別是雪花模式的維，四季都有很好的銷(xiāo)售，可以為銷(xiāo)售部門(mén)提供在上海加大表可能是規范化形式,以便減少冗余。但是由于執行查計算機進(jìn)貨力度的決策信息。詢(xún)需要更多的連接操作，雪花結構可能導致瀏覽性能下同理對應多維數組(Q, 上海電話(huà)0);降使整個(gè)系統性能將會(huì )受到影響。因此在數據倉庫(Q2上海電話(huà)0);和0LAHtf5地早型模式流行。(Q。上海電話(huà)0);中國煤化工(Q。上海電話(huà)0b3.2CNMHG進(jìn)行OR"運算結果為0”則說(shuō)明電話(huà)在上海一年四季(1徹萬(wàn)和功狀( Slice and Dice)在多維數據結構銷(xiāo)售情況都不是很好，可以為銷(xiāo)售部門(mén)提供在上海減少中選定二維子集的操作理解為切片選定三維子集的電話(huà)進(jìn)貨力度或取消電話(huà)商品銷(xiāo)售的決策信息。因為操作理解為切塊。按二維進(jìn)行切片按三維進(jìn)行切塊,銷(xiāo)售數據用邏輯10表示其運算速度要比數值型數據.可得到所需要的分析數據。如在季度時(shí)間、城市、商品運算快得夏方勢換策人員決策進(jìn)貨或取消某種商品提類(lèi)型"三維立方體中進(jìn)行切片和切塊,便可得到各城市、12.計算機應用研究2003年各商品在某時(shí)間的銷(xiāo)售數據。方體結構(度量值、維度等)或對其現有源數據的更改。(2 )鉆取( Drill)b 鉆取包含向下鉆取和向上鉆取操②刷新。清除重新加載立方體數據并重新計算它的聚作分別稱(chēng)為下鉆( Dill-down )和上卷( Roll-up)鉆取的合。在立方體源數據已更改、但其結構未更改的情況下深度與維所劃分的層次相對應。層次可以根據用戶(hù)需使用此方法。③完全處理。在當前定義基礎上完全重新求通過(guò)給定維或屬性分組來(lái)定義。也可以由數據庫中構造立方體然后重新計算它的數據。在文獻11 ]中提.的隱含模式定義全序或偏序的模式分層。出了G-Cube M-Cube ,Hybrid-Cube三種算法應用于超大型(3 )旋轉( Rotate夏 又稱(chēng)轉軸( Pivo)旋轉是- - -種視壓縮數據倉庫上提高了數據立方體的處理速度。圖操作通過(guò)旋轉可以得到不同視角的數據。為了使用戶(hù)能從多角度觀(guān)察多種數據,0LAP 技術(shù)(4 )其它操作。有些OLAP操作提供其它鉆取操作提供了虛擬視圖技術(shù),虛擬視圖又稱(chēng)為虛擬多維數據包括鉆過(guò)( Dillacross )和鉆透( Dill-through操作39。集。虛擬多維數據集是一個(gè)邏輯多維數據集內多個(gè)多上述分析操作,0LAP提供可視化的直方圖、餅圖等維數據集的組合,它與由其它視圖和表組合而成的關(guān)系可視化效果呈現給用戶(hù)但是由于維的層次級別和成員.數據庫視圖有些相似,即只存儲其定義而不存儲其組數量的增加在一個(gè)可視化圖中,用戶(hù)難以區分成員之件多維數據集的數據。因此,它們實(shí)際.上不需要物理存間的關(guān)系如圖3所示。為了呈現在用戶(hù)面前清晰的可儲空間?？梢允褂锰摂M多維數據集創(chuàng )建已有多維數據視化效果,有必要引入概念層次提升處理。例如"，彩集的組合及變形,而不需要使用大量的額外存儲空間。電""冰箱”"空調”等，可以將概念層次提升到家用電由于用戶(hù)操作的是虛擬視圖那么對數據的更新操作也器”概念層次上來(lái)",面包””餅干”等,可以提升到食在虛擬視圖上進(jìn)行。依據關(guān)系數據庫視圖原理我們約品”概念層上來(lái)等等。概念提升到高層次可視化效果束只有來(lái)源于一個(gè)數據立方體的虛擬視圖(我們稱(chēng)其為清晰可見(jiàn)如圖4所示。子集虛擬視圖)才能進(jìn)行更新操作,更新后的數據通過(guò)子集虛擬視圖映射回原始數據立方體。4OLAPServer分類(lèi)及體系結構從邏輯上講0LAP Server為用戶(hù)提供來(lái)自數據倉庫圖3多級概念層次效果餅圖圖4概念提升后的效果餅圖或數據集市的多維數據而不必關(guān)心如何存放問(wèn)題。但是0LAP Server的物理結構和實(shí)現必須要考慮數據存放3.3 數據立方體的計算問(wèn)題12。目前0LAPServer的數據是以星型模式和多維多維數據分析的核心是有效地計算多個(gè)維的聚集。數組形式存放。0LAP Server實(shí)現包括:在文獻3 ]中介紹了對立方體有效計算的三種方法:●關(guān)系OLAR Relational OLAP ,ROLAP Server ;( 1 )Computer Cube操作●多維OLAR Multidimensional OLAP ,MOLAP )Server ;這是一種擴充SQL的方法,包含Computer Cube 操●混合OLAR Hybrid OLAP ,HOLAP )Server。ROLAP Server是-種中間件服務(wù)器具有可伸縮性;作。Computer Cube操作指定維的所有子集上計算聚集。.MOLAP Server是一種基于 數組的多維存儲引擎支持數(2 )方體物化●方體的選擇計算據的多維視圖并將多維視圖直接映射到數據立方體數方體的物化有三種選擇:①不物化,即不預先計算組結構,具有快速性;H0LAP Server 是結合ROLAP和任何非基本”方體②全物化,即預先計算所有方體;③MOLAP技術(shù)得益于ROLAP較大的可伸縮性和MOLAP部分物化,即在方體集中,有選擇地物化一個(gè)適當的子的快速計算。集。部分物化在存儲空間和響應時(shí)間兩者之間提供了OLAP采用三層的體系結構:數據庫服務(wù)器、OLAP很好的折中。但是在部分物化時(shí)要考慮三個(gè)因素:①確服務(wù)器和用戶(hù)(圖5)定要物化的方體子集;②利用查詢(xún)處理時(shí)物化的方體;隨著(zhù)www技術(shù)的普遍應用,用戶(hù)需要使用瀏覽器③在裝入和刷新時(shí)，有效地更新物化的方體。來(lái)訪(fǎng)問(wèn)傳統的基于客戶(hù)/服務(wù)器方式的OLAP應用?，F( 3 )數據立方體中多維數據聚集在很多OLAP產(chǎn)品支持三層Web體系結構如圖6所示。①ROLAP立方體計算使用技術(shù)HTML●排序、散列和分組操作用于維屬性,以便對相關(guān)客戶(hù)瀏覽器Jave. Serp元組重新排序和聚類(lèi);Database Server jOLAP Senver Front-end ToWeb服務(wù)器應用ICGI3355-API●在特定子集上分組;中國煤化工OLAP Server●在聚集.上計算新的聚集。YHCNMHGDatabase Serverr小相何圖6基于Web的②MOLAP立方體計算使用技術(shù)OLAP體系結構●采用多路數組聚集技術(shù)將數組分成塊;●通過(guò)數據單元計算聚集。5OLAP產(chǎn)品及應用立方體的更新又分為三種:①增量更新。將新數據添加到立月體平的分區并更新聚合。此方法不處理對立如果把0LAP定義為對共享的多維信息的快速分析第8期張忠平等聯(lián)機分析處理的綜述和分析13 .( Fast Analysis of Shared Multidimensional Informnation ,FAS-品指出了0LAP可視化的不足提出了聯(lián)機分析處理非MI )有很多產(chǎn)品可以劃入此類(lèi)按使用方式的不同可分數值型的量度和虛擬視圖的更新方法。0LAP 在各個(gè)領(lǐng)為通用型OLAP工具和特定商業(yè)問(wèn)題分析軟件兩類(lèi)[13]。域應用已日益受到青睞,但在理論和應用上仍然存在一數據密集型行業(yè)( Data Rich Industies X生活資料、零售、些有待進(jìn)-步研究的問(wèn)題,比如維類(lèi)型的數值型(非離金融服務(wù)、運輸)是OLAP軟件的主要需求者,針對其中散量)變量的非數值型、維類(lèi)型與量度之間的轉換、概各個(gè)行業(yè)的OLAP解決方案也出現了很多行業(yè)也從中念層次提升、實(shí)時(shí)更新、0LAP分析結果的可視化等等問(wèn)得到了收益,獲得了極大的經(jīng)濟效益。隨著(zhù)OLAP技術(shù)題。0LAP、數據倉庫、數據挖掘技術(shù)的集成是未來(lái)研究的日漸成熟,相應的產(chǎn)品在功能上也日漸豐富,如表1所示。的熱點(diǎn)。表1 OLAP 產(chǎn)品對照表參考文獻:[1] EF Codd ,S B Codd C T Salley. Providing OLAP to User-Ana-HYPERION程序具有幾百個(gè)計算公式支持多種計算用戶(hù)可以自Hperin Esduse OLAP Serv-|己構件復雜的查詢(xún) 支持多用戶(hù)同時(shí)讀寫(xiě)有30多個(gè)剪lysts :An IT Mandate[ EB/OL ]. http ://www. cis . com. mx/pdf/端工具可供選擇支持多種財務(wù)標準采用類(lèi)似數組的結構避免了連接操作提供組存儲過(guò)wp _ providing - olap_ to _ enduser. pdf 2002-01.ORACLE程語(yǔ)言來(lái)支持對數據的抽取靈活的數據組織方式數據Orade Express Sener為以在勢森后政箱Son肉也可直接在BDB上使用有[2] A Multdimensional Database and View Mode[ EB/OL ]. http ://erad. ict. ac. en/ papers/1999-2-214. htm 2002-01 .將lryrin, Exsbus的OL4P引警和DR的關(guān)系數據庫集IBM DB2 OLAP Sener .關(guān)系數振庫中們完全兼容數據用皇型模型存放|[3] Jiawei Han , Micheline Kamber. Data Mining Concepts and Tec-采里Murdeo技術(shù)通過(guò)QLE和ODBC對外開(kāi)放采用中，hique[ M ].北京高等教育出版社2001.INFORMIX ..開(kāi)放的體系結構司以方便地其它數據庫及前臺工員進(jìn)行集成[4] Rich Caickhoff.A New Face For OLAF[ Z ]. Intermet Systems ,SYBASE數據垂直分數搜列"存儲)采用了突破性的數據存取January 1997Sybase Pwwer Dinension方法一i索引技術(shù)在教據壓縮和并行處理方面有獨到之處提供有效的預連織Po.in肢術(shù)[5 ] Kalyan Mukherjee ,Sushankar Daspal ,et al. Advanced DatabaseMICROSOFTManagement System[ C ]. Term Paper On Online Analytical Pro-SQL Sener 7.0 OLAP應速度降低網(wǎng)絡(luò )流量通過(guò)OLE DB u 0LAP ,允許不同的客戶(hù)端訪(fǎng)問(wèn)cessing，Xavier Institute of Management ,Bhubaneswar 2001.[6] Seok-Ju Chun ,Chin- Wan Chung ,Ju- Hong Lee ,et al. Dynamic6從聯(lián)機分析處理到聯(lián)機分析挖掘Update Cube for Range Sum Querie[ M ]. VLDB 2001.在數據挖掘領(lǐng)域將聯(lián)機分析處理與數據挖掘以及[7 ] Surajit Chaudhuri ,Microsoft Ressearch ,Redmond. Umeshwar Da-在數據倉庫中發(fā)現知識集成在-起稱(chēng)之為聯(lián)機分析挖yal. HewletPackard Lads， Palo Alto ,An Overview of Data掘( On-Line Analytical Mining , 0LAM ),也稱(chēng)OLAP挖Warehousing and OLAP Technolog[L EB/OL ]. http ://www. cs.掘3.14]。這是因為:sfu. ca/CourseCentral/459/ han/ papers/ chaudhuri97. pdf ，①數據倉庫中有高質(zhì)量的數據;2002-01 .②構建數據倉庫有良好的基礎設施;[8] Cheng Li ,X Sean Wang. A Data Model for Supporting On-Line③OLAP具有探測式數據分析能力;Analytical Processing[ EB/OL]. http ://www. isse. gmu. edu/④數據挖掘具有聯(lián)機選擇功能。數據挖掘和OLAPfaculty/xywang/ Papers/ cikm96. ps 2001-09.在算法結合方面具有下列方式:[9 ] Gayatri Sathe , Sunita Sarawagi . Itelligent Rollups in Mulidi-●先進(jìn)行立方體計算后進(jìn)行數據挖掘;mensional 0LAP Dat[ M ] VLDB 2001 .●先對多維數據進(jìn)行數據挖掘然后再利用立方體[ 10 ] Wei Wang. Supprting Online Analytical Processing EB/OL]計算算法對挖掘結果分析;www . cs. ust. hk/ pg/ defenses/ Soyabs QL Wang w. txt 2002-01 .●立方體計算與數據挖掘同時(shí)進(jìn)行。[11]高宏李建中.超大型壓縮數據倉庫上的CUBE算法J]. .數據挖掘是一種挖掘型工具,它能自動(dòng)地發(fā)現隱藏軟件學(xué)報2001 1X 6) 830-839.在數據中的模式是一種能有效地從大量數據中發(fā)現潛[ 12] Alex Berson , Stephen J Smith. Data W arehousing ,Data Mining ,在數據模式、做出預測性分析的分析工具。0LAP 是一&OLAH[ M ]. McGraw-Hill Book Co. ,1999.種自上而下、不斷深入的分析工具用戶(hù)提出問(wèn)題或假[ 13] 0LAP市場(chǎng)狀況及產(chǎn)品評測EB/OL ]. htp :/www dnmgroup.設,0LAP負責從上而下深入地提取出關(guān)于該問(wèn)題的詳org. cn/zs12. htm 2002-01.細信息并以可視化的方式呈現給用戶(hù)。作為驗證型分[14]劉中國煤化工到0LAM[ EB/OL ]. ht:/析工具,OLAP更需要對用戶(hù)需求有全面而深入地了解。1:.HCNMH G/ htm olap4. htm 2002-01.0數據挖掘和OLAP緊密結合能為用戶(hù)選擇所期望的數據作者簡(jiǎn)介:挖掘功能動(dòng)態(tài)修改挖掘任務(wù)提供靈活性。張忠平( 1972-)男,吉林人,講師,博士研究生研究方向為數據庫與知識庫、數據挖掘李榮( 1970- ),女山東人,講師,博士7結論與展望研究生研究方向為數據庫與知識庫、生物信息學(xué);郭麗麗本文論述了OLAP的基本概念、結構、操作及相關(guān)產(chǎn)( 1978- ),女黑龍江人工程師。