بهبود عبارت نگهداري ديد در پايگاه داده تحليلي

View Maintenance Expression Improvement in Data Warehouses

در پايگاه داده تحليلي براي پاسخگويي سريع به پرس و جوهاي تحليلي كاربران، پاسخ تعدادي از پرس و جوها را ذخيره مي نمايند. پاسخ پرس و جوهايي كه در پايگاه داده تحليلي ذخيره مي شوند، منجر به توليد ديدهاي ذخيره شده مي گردد. مساله بروز رساني و نگهداري از ديدها در پايگاه داده تحليلي زماني مطرح مي گردد كه داده ها در منابع داده پايه بوسيله تراكنش هاي مختلف مورد تغيير قرار گيرند. براي نگهداري از ديدها در پايگاه داده تحليلي، عبارت هاي نگهداري ديد متفاوتي ارائه شده است. در اين مقاله الگوريتمي براي توليد عبارت نگهداري ديد بهبود يافته اي ارائه مي شود. الگوريتم ارائه شده از دو بخش تشكيل شده است. در بخش اول از الگوريتم پيشنهادي، درختي تشكيل مي گردد كه در آن تعداد دسترسي به منابع داده اي بزرگ (منابعي با تعداد ركورد و حجم بالا)، كاهش داده مي شود. در بخش دوم بر اساس درخت توليد شده در بخش اول و اندازه تغييرات منابع داده(منابع داده پايه و گره هاي مياني درخت)، عبارت نگهداري ديد بهبود يافته اي براي بروز رساني پايگاه داده تحليلي ارائه مي گردد. نتايج آزمايش ها نشان مي دهد كه عبارت نگهداري ديد ارائه شده، زمان و هزينه نگهداري از پايگاه داده تحليلي را در مقايسه با روش هاي ارائه شده قبلي كاهش داده است.

In data warehouses , some of query responses are stored to accelerate the response time of analytical queries . Materialized views are the response of queries stored in data warehouses . Materialized views should be changed according to changes in basic relations . Different view maintenance expressions have been presented for maintaining materialized views. In this paper a new algorithm is presented to produce the improved view maintenance expression . The proposed algorithm consists of two parts . In the first part , the algorithm constructs a tree to reduce the number of accesses to big data sources and in the second part an improved view maintenance expression is presented according to the constructed tree and the amount of changes in data sources . Experimental results show that the improved view maintenance expression reduces the data warehouse maintenance time and the data warehouse maintenance cost in comparison with previous methods .