CN105205085A - 一种海量数据的多维分析方法及装置 - Google Patents
一种海量数据的多维分析方法及装置 Download PDFInfo
- Publication number
- CN105205085A CN105205085A CN201410306622.7A CN201410306622A CN105205085A CN 105205085 A CN105205085 A CN 105205085A CN 201410306622 A CN201410306622 A CN 201410306622A CN 105205085 A CN105205085 A CN 105205085A
- Authority
- CN
- China
- Prior art keywords
- data source
- multidimensional
- data
- cube
- mass data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种海量数据的多维分析方法及装置,用以解决现有的在线多维数据分析OLAP对海量数据源Hadoop平台上存储的海量数据不能实时、高效地进行多维分析的问题。本发明包括:对用户发起的多维分析查询请求进行解析处理,得到解析结果,解析结果包括:多维分析查询请求对应的立方体多维模型信息以及结构化查询语句SQL;获取与立方体多维模型信息匹配的数据源,并与数据源建立连接关系,数据源包括:Hadoop平台和/或关系数据库;根据连接关系以及SQL,从Hadoop平台或者关系数据库获取数据查询结果;根据立方体多维模型信息,将数据查询结果转换成多维数据结果并返回给用户。本发明实现了对Hadoop平台上存储的海量数据实时、高效地进行多维分析的目的。
Description
技术领域
本发明涉及通信技术领域,特别是指一种海量数据的多维分析方法及装置。
背景技术
在线实时多维数据分析OLAP是数据仓库***的一种应用,它针对特定的分析主题,设计多种可能的观察方式,设计相应的分析主题结构(即进行事实表和维度表设计),使用户在多维模型的基础上进行快速、稳定、交互式的访问,以达到复杂分析和数据预测的作用。
现阶段很多厂商的OLAP支持的数据源规模有限,支持的事实表数据量规模在TB(Terabyte万亿字节)级别规模下,不能对Hadoop(一种分布式***架构)平台上存储的海量数据进行实时、高效地多维分析,为用户带来一定的不便。
发明内容
本发明的目的在于提供一种海量数据的多维分析方法及装置,用以解决现有的OLAP对Hadoop平台上存储的海量数据不能实时、高效地进行多维分析的的问题。
为了实现上述目的,本发明提供了一种海量数据的多维分析方法,包括:
对用户发起的多维分析查询请求进行解析处理,得到一解析结果,所述解析结果包括:所述多维分析查询请求对应的立方体多维模型信息以及结构化查询语句SQL;
获取与所述立方体多维模型信息匹配的数据源,并与所述数据源建立连接关系,其中,所述数据源包括:海量数据源Hadoop平台和/或关系数据库;
根据所述连接关系以及所述结构化查询语句SQL,从所述海量数据源Hadoop平台或者所述关系数据库获取数据查询结果;
根据所述立方体多维模型信息,将所述数据查询结果转换成多维数据结果并返回给用户。
其中,上述的海量数据的多维分析方法,所述对用户发起的多维分析查询请求进行解析处理,得到一解析结果的步骤包括:
根据用户发起的多维分析查询请求,获取相应的多维数据模型;
对所述多维数据模型进行解析,得出所述多维分析查询请求对应的立方体多维模型信息以及结构化查询语句SQL,其中,所述立方体多维模型信息包括:立方体名称。
其中,所述获取与所述立方体多维模型信息匹配的数据源,并与所述数据源建立连接关系的步骤包括:
根据数据源模型中立方体名称与数据源名称的关联关系,获取与所述立方体名称匹配的数据源模型;
获取与所述数据源模型中的数据源名称匹配的数据源;
与所述数据源建立连接关系。
其中,所述与所述数据源建立连接关系的步骤具体为:
若与所述立方体多维模型信息匹配的数据源为海量数据源Hadoop平台,则与所述海量数据源Hadoop平台建立连接关系;
若与所述立方体多维模型信息匹配的数据源为关系数据库,则与所述关系数据库建立连接关系。
其中,所述根据所述连接关系以及所述结构化查询语句SQL,从所述海量数据源Hadoop平台或者所述关系数据库获取数据查询结果的步骤包括:
若与所述海量数据源Hadoop平台建立连接关系,则向所述海量数据源Hadoop平台发送所述结构化查询语句SQL;
获取所述海量数据源Hadoop平台根据所述结构化查询语句SQL返回的数据查询结果;
若与所述关系数据库建立连接关系,则向所述关系数据库发送所述结构化查询语句SQL;
获取所述关系数据库根据所述结构化查询语句SQL返回的数据查询结果。
本发明的实施例还提供了一种海量数据的多维分析装置,包括:
解析模块,用于对用户发起的多维分析查询请求进行解析处理,得到一解析结果,所述解析结果包括:所述多维分析查询请求对应的立方体多维模型信息以及结构化查询语句SQL;
第一获取模块,用于获取与所述立方体多维模型信息匹配的数据源,并与所述数据源建立连接关系,其中,所述数据源包括:海量数据源Hadoop平台和/或关系数据库;
第二获取模块,用于根据所述连接关系以及所述结构化查询语句SQL,从所述海量数据源Hadoop平台或者所述关系数据库获取数据查询结果;
处理模块,用于根据所述立方体多维模型信息,将所述数据查询结果转换成多维数据结果并返回给用户。
其中,上述海量数据的多维分析装置,所述解析模块包括:
第一获取单元,用于根据用户发起的多维分析查询请求,获取相应的多维数据模型;
解析单元,用于对所述多维数据模型进行解析,得出所述多维分析查询请求对应的立方体多维模型信息以及结构化查询语句SQL,其中,所述立方体多维模型信息包括:立方体名称。
其中,所述第一获取模块包括:
第二获取单元,用于根据数据源模型中立方体名称与数据源名称的关联关系,获取与所述立方体名称匹配的数据源模型;
第三获取单元,用于获取与所述数据源模型中的数据源名称匹配的数据源;
连接单元,用于与所述数据源建立连接关系。
其中,所述连接单元具体用于若与所述立方体多维模型信息匹配的数据源为海量数据源Hadoop平台,则与所述海量数据源Hadoop平台建立连接关系;
若与所述立方体多维模型信息匹配的数据源为关系数据库,则与所述关系数据库建立连接关系。
其中,所述第二获取模块包括:
第一发送单元,用于若与所述海量数据源Hadoop平台建立连接关系,则向所述海量数据源Hadoop平台发送所述结构化查询语句SQL;
第四获取单元,用于获取所述海量数据源Hadoop平台根据所述结构化查询语句SQL返回的数据查询结果;
第二发送单元,用于若与所述关系数据库建立连接关系,则向所述关系数据库发送所述结构化查询语句SQL;
第五获取单元,用于获取所述关系数据库根据所述结构化查询语句SQL返回的数据查询结果。
本发明实施例具有以下有益效果:
本发明实施例的海量数据的多维分析方法,根据用户发送的多维分析请求建立与海量数据源Hadoop或者关系数据库的连接通道,并通过SQL查询语句从海量数据源Hadoop或者关系数据库实时获取所要查询的数据,实现了对Hadoop平台上存储的海量数据实时、高效地进行多维分析的目的。
附图说明
图1表示本发明实施例的工作流程图;
图2表示本发明实施例的组件图;
图3表示本发明实施例的表格显示效果图;
图4表示本发明实施例的图片显示效果图;
图5表示本发明实施例的结构框图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合具体实施例及附图进行详细描述。
本发明实施例提供了一种海量数据的多维分析方法及装置,解决了现有的OLAP对Hadoop平台上存储的海量数据不能实时、高效地进行多维分析的问题。
本发明实施例的海量数据的多维分析方法,如图1所示,包括:
步骤S10:对用户发起的多维分析查询请求进行解析处理,得到一解析结果,所述解析结果包括:所述多维分析查询请求对应的立方体多维模型信息以及结构化查询语句SQL;
在本发明的具体实施例中,根据用户发起的多维分析查询请求,获取相应的多维数据模型;对所述多维数据模型进行解析,得出所述多维分析查询请求对应的立方体多维模型信息以及结构化查询语句SQL,其中,所述立方体多维模型信息包括:立方体名称。
步骤S20:获取与所述立方体多维模型信息匹配的数据源,并与所述数据源建立连接关系,其中,所述数据源包括:海量数据源Hadoop平台和/或关系数据库;
在本发明的具体实施例中,根据数据源模型中立方体名称与数据源名称的关联关系,获取与所述立方体名称匹配的数据源模型;获取与所述数据源模型中的数据源名称匹配的数据源;与所述数据源建立连接关系。
步骤S30:根据所述连接关系以及所述结构化查询语句SQL,从所述海量数据源Hadoop平台或者所述关系数据库获取数据查询结果;
在本发明的具体实施例中,若与所述立方体多维模型信息匹配的数据源为海量数据源Hadoop平台,则与所述海量数据源Hadoop平台建立连接关系;
若与所述立方体多维模型信息匹配的数据源为关系数据库,则与所述关系数据库建立连接关系。
步骤S40:根据所述立方体多维模型信息,将所述数据查询结果转换成多维数据结果并返回给用户。
在本发明的具体实施例中,若与所述海量数据源Hadoop平台建立连接关系,则向海量数据源Hadoop平台发送所述结构化查询语句SQL;
获取所述海量数据源Hadoop平台根据所述结构化查询语句SQL返回的数据查询结果;
若与所述关系数据库建立连接关系,则向所述关系数据库发送所述结构化查询语句SQL;
获取所述关系数据库根据所述结构化查询语句SQL返回的数据查询结果。
本发明实施例的海量数据的多维分析方法,可以在海量数据存储模式下,实时、高效地进行在线多维数据分析,且本发明实施例的海量数据的多维分析方法便于基于关系数据库存储的多维数据分析应用快速切换到Hadoop存储平台上,并且支持数据规模可扩展。
下面对本发明的上述实施例举例说明如下:
在本发明的具体实施例中,如图2所示,数据转换抽取存储组件与元数据模型管理组件交互,获取相应的数据模型,根据数据模型从第三方数据源提取相关数据,并转换数据、拟合数据,将处理好的数据按照数据模型的存储配置要求上传至指定的数据存储平台上。若数据量比较大,则在Hadoop海量数据存储平台上存储数据并指定数据文件格式。另外,本发明实施例的数据转换抽取存储组件可以根据应用的特点,将关系数据库RDB集群中的数据通过Sqoop转储在Hadoop平台中。
其中,Hadoop平台有多种数据存储组件,例如Hive,HDFS,Hbase等等,数据转换抽取存储组件根据具体的应用特点,将不同的数据存储在不同的存储组件中。例如应用经常需要进行K-V(Key-Value键值)查询,则这类数据存储在Hbase中较合适。
同时,数据转换抽取存储组件,可以将不同的数据以不同的数据格式进行存储。例如:若应用事实表字段庞大并且数据量规模大,而数据分析往往只选取其中部分字段进行分析,此时,将数据进行列存储(Parquet列存储格式);若应用配置表数据量规模不大,并且每个字段都会纳入数据分析,该数据表则可存储为文本格式。
进一步地,当单张事实表数据量非常庞大时,数据转换抽取存储组件将数据进行分区存储。分区存储可以在进行数据查询时只选取部分分区目录下的数据,而不是针对总体数据量集进行查询,能有效提高数据查询效率。
本发明实施例中的元数据模型管理组件,包括各类元数据的存储模块、查询模块、维护模块、元数据模型管理组件与其它组件的通讯接口模块。如果组件独立进程部署则建立简单的站点服务WEBSERVICE接口,例如简单对象访问协议SOAP;如果组件和其它进程合一部署,优选地,建立应用程序编程接口API服务接口。在本发明的具体实施例中,应用根据自身特点,设计元数据模型(包括多维模型、关系数据模型、数据源、数据存储配置等等),并将其存入元数据模型管理平台中。
本发明实施例的海量数据的多维分析方法,如图2所示,用户在界面发起多维分析查询请求,或者通过简单对象访问协议SOAP接口发起多维分析查询请求;
服务端Servlet接收客户端的多维分析查询请求并将多维分析查询请求发送给多维数据模型适配组件;
多维数据模型适配组件从元数据模型管理组件获取与多维分析查询请求对应的多维数据模型,并根据多维数据模型适配组件中的多维分析语言MDX解析器对多维数据模型进行语法解析,同时多维数据模型适配组件还对发起多维分析查询请求用户的权限进行分析,得到的立方体多维模型信息、结构化查询语句SQL以及权限信息,其中,立方体多维模型信息包括:立方体名称;
在本发明的具体实施例中,多维数据模型适配组件可实现多维数据逻辑模型与数据存储物理模型之间的适配转换,并进行权限控制。多维数据模型适配组件的核心是是根据MDX规范实现MDX解析器的功能,该组件与元数据模型管理组件交互,获取多维数据模型,MDX解析器根据多维数据模型进行语法解析,之后再将二维数据结果按照多维数据模型格式转换成多维数据结果。
数据源适配组件根据数据源模型中立方体名称与数据源名称的关联关系,获取与所述立方体名称匹配的数据源模型,并进一步获取与数据源模型中的数据源名称匹配的数据源。假定该数据源为海量数据源Hadoop平台,数据源适配组件中的Hadoop适配组件建立与Hadoop平台的连接通道,并将结构化查询语句SQL提交到Hadoop平台;
海量数据源Hadoop平台中的海量数据查询组件,即Impala/Spark实时数据查询组件,接收结构化查询语句SQL,实时分析查询请求并返回数据查询结果给数据源适配组件;
本发明的具体实施例中,海量数据查询组件根据操作中的数据特点,从相应的数据存储平台上提取分析数据,并将数据返回。本发明实施例的海量数据查询组件Impala/Spark支持JDBC/ODBC接口,有效提高了数据查询效率。海量数据查询组件通过JDBC接口与Hadoop适配组件连接,具备实时交互能力,海量数据查询组件根据SQL查询语句,实时输出数据查询结果。
数据源适配组件将多维数据结果返回给多维数据模型适配组件;多维数据模型适配组件根据立方体多维模型信息,将二维的数据查询结果转换成多维数据结果,并返回给服务端Servlet,并由服务端Servlet返回给用户。
本发明实施例的海量数据的多维分析方法还包括:多维数据结果展示组件,该组件对多维数据结果集进行处理,以界面的方式展示给客户或者以可扩展标记语言XML数据文件格式传递给客户。该展示组件分为用户界面UI层和语言层两个层次,其中,UI层根据多维数据格式渲染表格、图;语言层将界面上用户操作转换为多维操作。
如图3所示,用户打开一个多维分析界面,设置度量指标:网络总流量、增长率;设置维度:时间、业务名称、业务类型、省市、端口类别;设置切片为空;***以表格方式呈现多维分析数据;用户选择替换钻取模式,时间维度下钻到2014年;省市维度下钻到城市级别;端口类别维度下钻到端口维度,用户可以从这些维度成员级别查看度量数据。当用户选择隐藏空值,选择图片显示模式时,如图4所示,***以图片方式呈现多维分析数据结果。
本发明实施例的海量数据的多维分析方法,可通过多种方式显示数据结果,能够直观明确地展示数据的动态情况和变化趋势,较好地实现了OLAP的多维数据分析功能。
本发明实施例还提供了一种海量数据的多维分析装置,如图5所示,包括:
解析模块,用于对用户发起的多维分析查询请求进行解析处理,得到一解析结果,所述解析结果包括:所述多维分析查询请求对应的立方体多维模型信息以及结构化查询语句SQL;
第一获取模块,用于获取与所述立方体多维模型信息匹配的数据源,并与所述数据源建立连接关系,其中,所述数据源包括:海量数据源Hadoop平台和/或关系数据库;
第二获取模块,用于根据所述连接关系以及所述结构化查询语句SQL,从所述海量数据源Hadoop平台或者所述关系数据库获取数据查询结果;
处理模块,用于根据所述立方体多维模型信息,将所述数据查询结果转换成多维数据结果并返回给用户。
本发明实施例的海量数据的多维分析装置中,所述解析模块包括:
第一获取单元,用于根据用户发起的多维分析查询请求,获取相应的多维数据模型;
解析单元,用于对所述多维数据模型进行解析,得出所述多维分析查询请求对应的立方体多维模型信息以及结构化查询语句SQL,其中,所述立方体多维模型信息包括:立方体名称。
本发明实施例的海量数据的多维分析装置中,所述第一获取模块包括:
第二获取单元,用于根据数据源模型中立方体名称与数据源名称的关联关系,获取与所述立方体名称匹配的数据源模型;
第三获取单元,用于获取与所述数据源模型中的数据源名称匹配的数据源;
连接单元,用于与所述数据源建立连接关系。
本发明实施例的海量数据的多维分析装置中,所述连接单元具体用于若与所述立方体多维模型信息匹配的数据源为海量数据源Hadoop平台,则与所述海量数据源Hadoop平台建立连接关系;
若与所述立方体多维模型信息匹配的数据源为关系数据库,则与所述关系数据库建立连接关系。
本发明实施例的海量数据的多维分析装置中,所述第二获取模块包括:
第一发送单元,用于若与所述海量数据源Hadoop平台建立连接关系,则向海量数据源Hadoop平台发送所述结构化查询语句SQL;
第四获取单元,用于获取所述海量数据源Hadoop平台根据所述结构化查询语句SQL返回的数据查询结果;
第二发送单元,用于若与所述关系数据库建立连接关系,则向所述关系数据库发送所述结构化查询语句SQL;
第五获取单元,用于获取所述关系数据库根据所述结构化查询语句SQL返回的数据查询结果。
需要说明的是,该装置是与上述方法实施例对应的装置,上述方法实施例中所有实现方式均适用于该装置的实施例中,也能达到相同的技术效果。
本发明实施例的海量数据的多维分析方法及装置,使用海量数据存储平台Hadoop进行数据存储,并可在该存储平台实时、高效地进行多维数据分析。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种海量数据的多维分析方法,其特征在于,包括:
对用户发起的多维分析查询请求进行解析处理,得到一解析结果,所述解析结果包括:所述多维分析查询请求对应的立方体多维模型信息以及结构化查询语句SQL;
获取与所述立方体多维模型信息匹配的数据源,并与所述数据源建立连接关系,其中,所述数据源包括:海量数据源Hadoop平台和/或关系数据库;
根据所述连接关系以及所述结构化查询语句SQL,从所述海量数据源Hadoop平台或者所述关系数据库获取数据查询结果;
根据所述立方体多维模型信息,将所述数据查询结果转换成多维数据结果并返回给用户。
2.根据权利要求1所述的海量数据的多维分析方法,其特征在于,所述对用户发起的多维分析查询请求进行解析处理,得到一解析结果的步骤包括:
根据用户发起的多维分析查询请求,获取相应的多维数据模型;
对所述多维数据模型进行解析,得出所述多维分析查询请求对应的立方体多维模型信息以及结构化查询语句SQL,其中,所述立方体多维模型信息包括:立方体名称。
3.根据权利要求2所述的海量数据的多维分析方法,其特征在于,所述获取与所述立方体多维模型信息匹配的数据源,并与所述数据源建立连接关系的步骤包括:
根据数据源模型中立方体名称与数据源名称的关联关系,获取与所述立方体名称匹配的数据源模型;
获取与所述数据源模型中的数据源名称匹配的数据源;
与所述数据源建立连接关系。
4.根据权利要求3所述的海量数据的多维分析方法,其特征在于,所述与所述数据源建立连接关系的步骤具体为:
若与所述立方体多维模型信息匹配的数据源为海量数据源Hadoop平台,则与所述海量数据源Hadoop平台建立连接关系;
若与所述立方体多维模型信息匹配的数据源为关系数据库,则与所述关系数据库建立连接关系。
5.根据权利要求4所述的海量数据的多维分析方法,其特征在于,所述根据所述连接关系以及所述结构化查询语句SQL,从所述海量数据源Hadoop平台或者所述关系数据库获取数据查询结果的步骤包括:
若与所述海量数据源Hadoop平台建立连接关系,则向所述海量数据源Hadoop平台发送所述结构化查询语句SQL;
获取所述海量数据源Hadoop平台根据所述结构化查询语句SQL返回的数据查询结果;
若与所述关系数据库建立连接关系,则向所述关系数据库发送所述结构化查询语句SQL;
获取所述关系数据库根据所述结构化查询语句SQL返回的数据查询结果。
6.一种海量数据的多维分析装置,其特征在于,包括:
解析模块,用于对用户发起的多维分析查询请求进行解析处理,得到一解析结果,所述解析结果包括:所述多维分析查询请求对应的立方体多维模型信息以及结构化查询语句SQL;
第一获取模块,用于获取与所述立方体多维模型信息匹配的数据源,并与所述数据源建立连接关系,其中,所述数据源包括:海量数据源Hadoop平台和/或关系数据库;
第二获取模块,用于根据所述连接关系以及所述结构化查询语句SQL,从所述海量数据源Hadoop平台或者所述关系数据库获取数据查询结果;
处理模块,用于根据所述立方体多维模型信息,将所述数据查询结果转换成多维数据结果并返回给用户。
7.根据权利要求6所述的海量数据的多维分析装置,其特征在于,所述解析模块包括:
第一获取单元,用于根据用户发起的多维分析查询请求,获取相应的多维数据模型;
解析单元,用于对所述多维数据模型进行解析,得出所述多维分析查询请求对应的立方体多维模型信息以及结构化查询语句SQL,其中,所述立方体多维模型信息包括:立方体名称。
8.根据权利要求7所述的海量数据的多维分析装置,其特征在于,所述第一获取模块包括:
第二获取单元,用于根据数据源模型中立方体名称与数据源名称的关联关系,获取与所述立方体名称匹配的数据源模型;
第三获取单元,用于获取与所述数据源模型中的数据源名称匹配的数据源;
连接单元,用于与所述数据源建立连接关系。
9.根据权利要求8所述的海量数据的多维分析装置,其特征在于,所述连接单元具体用于若与所述立方体多维模型信息匹配的数据源为海量数据源Hadoop平台,则与所述海量数据源Hadoop平台建立连接关系;
若与所述立方体多维模型信息匹配的数据源为关系数据库,则与所述关系数据库建立连接关系。
10.根据权利要求9所述的海量数据的多维分析装置,其特征在于,所述第二获取模块包括:
第一发送单元,用于若与所述海量数据源Hadoop平台建立连接关系,则向所述海量数据源Hadoop平台发送所述结构化查询语句SQL;
第四获取单元,用于获取所述海量数据源Hadoop平台根据所述结构化查询语句SQL返回的数据查询结果;
第二发送单元,用于若与所述关系数据库建立连接关系,则向所述关系数据库发送所述结构化查询语句SQL;
第五获取单元,用于获取所述关系数据库根据所述结构化查询语句SQL返回的数据查询结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410306622.7A CN105205085A (zh) | 2014-06-30 | 2014-06-30 | 一种海量数据的多维分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410306622.7A CN105205085A (zh) | 2014-06-30 | 2014-06-30 | 一种海量数据的多维分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105205085A true CN105205085A (zh) | 2015-12-30 |
Family
ID=54952771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410306622.7A Withdrawn CN105205085A (zh) | 2014-06-30 | 2014-06-30 | 一种海量数据的多维分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105205085A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912603A (zh) * | 2016-04-06 | 2016-08-31 | 百度在线网络技术(北京)有限公司 | 网络空间的业务查询方法及装置 |
CN105956932A (zh) * | 2016-04-29 | 2016-09-21 | 中国南方电网有限责任公司电网技术研究中心 | 配用电数据融合方法和*** |
CN105956163A (zh) * | 2016-05-19 | 2016-09-21 | 乐视控股(北京)有限公司 | 图形数据库的管理方法和装置 |
CN106021488A (zh) * | 2016-05-19 | 2016-10-12 | 乐视控股(北京)有限公司 | 键值数据库的管理方法和装置 |
CN106066895A (zh) * | 2016-06-30 | 2016-11-02 | 广东亿迅科技有限公司 | 一种智能查询*** |
CN106528625A (zh) * | 2016-10-08 | 2017-03-22 | 中国人民财产保险股份有限公司 | 基于Oracle Hyperion的滚动预算***及方法 |
CN107330024A (zh) * | 2017-06-21 | 2017-11-07 | 华为机器有限公司 | 标签***数据的存储方法和装置 |
CN108153834A (zh) * | 2017-12-14 | 2018-06-12 | 广州市玄武无线科技股份有限公司 | 一种商业智能应用查询数据的方法、装置及电子设备 |
CN108388564A (zh) * | 2017-02-03 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 查询处理方法、装置及其设备 |
CN109002440A (zh) * | 2017-06-06 | 2018-12-14 | 北京京东尚科信息技术有限公司 | 用于大数据多维分析的方法、装置及*** |
CN109617734A (zh) * | 2018-12-25 | 2019-04-12 | 北京市天元网络技术股份有限公司 | 网络运营能力分析方法及装置 |
CN109710859A (zh) * | 2019-01-21 | 2019-05-03 | 北京字节跳动网络技术有限公司 | 数据查询方法和装置 |
CN109960704A (zh) * | 2019-01-03 | 2019-07-02 | 青岛萨纳斯智能科技股份有限公司 | 大数据机器学***台 |
CN110019334A (zh) * | 2017-10-16 | 2019-07-16 | 广东亿迅科技有限公司 | 一种多维数据查询分析的优化方法及其*** |
CN110347755A (zh) * | 2019-07-08 | 2019-10-18 | 南威软件股份有限公司 | 一种基于Hadoop和HBase的大数据多维数据分析方法及*** |
CN110489427A (zh) * | 2019-08-26 | 2019-11-22 | 杭州城市大数据运营有限公司 | 一种数据查询方法、装置、计算机设备和存储介质 |
CN110837545A (zh) * | 2019-11-13 | 2020-02-25 | 贵州医渡云技术有限公司 | 交互式数据分析方法、装置、介质及电子设备 |
CN110941654A (zh) * | 2019-11-25 | 2020-03-31 | 杭州晨鹰军泰科技有限公司 | 基于配置模板的数据查询显示***、方法、设备及介质 |
CN111159221A (zh) * | 2019-12-31 | 2020-05-15 | 北京恒泰实达科技股份有限公司 | 一种通过动态构建立方体进行数据处理或查询的方法 |
CN111858594A (zh) * | 2020-07-21 | 2020-10-30 | 常熟理工学院 | 一种多媒体教室使用数据多维分析***及其实现方法 |
CN111966727A (zh) * | 2020-08-12 | 2020-11-20 | 北京海致网聚信息技术有限公司 | 基于Spark和Hive的分布式OLAP即席查询方法 |
CN112765282A (zh) * | 2021-01-18 | 2021-05-07 | 恒安嘉新(北京)科技股份公司 | 一种数据联机分析处理方法、装置、设备及存储介质 |
CN113901135A (zh) * | 2021-09-14 | 2022-01-07 | 威讯柏睿数据科技(北京)有限公司 | 一种跨源异构数据智能可视化分析展示方法和设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1508728A (zh) * | 2002-12-18 | 2004-06-30 | �Ҵ���˾ | 使用元数据在关系数据库中创建多维数据集的方法和*** |
CN101197876A (zh) * | 2006-12-06 | 2008-06-11 | 中兴通讯股份有限公司 | 一种对消息类业务数据进行多维分析的方法和*** |
CN102171648A (zh) * | 2008-10-07 | 2011-08-31 | 渣普控股有限公司 | 将关系数据库与olap立方体同步 |
CN102207940A (zh) * | 2010-03-31 | 2011-10-05 | 国际商业机器公司 | 用于验证数据的方法和*** |
CN102521246A (zh) * | 2011-11-11 | 2012-06-27 | 国网信息通信有限公司 | 一种云数据仓库*** |
CN102982103A (zh) * | 2012-11-06 | 2013-03-20 | 东南大学 | 一种olap海量多维数据维存储方法 |
CN103399926A (zh) * | 2013-08-05 | 2013-11-20 | 河海大学 | 水利普查数据多维分析服务***及其封装和实现方法 |
CN103605651A (zh) * | 2013-08-28 | 2014-02-26 | 杭州顺网科技股份有限公司 | 一种基于olap多维分析的数据处理展现方法 |
-
2014
- 2014-06-30 CN CN201410306622.7A patent/CN105205085A/zh not_active Withdrawn
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1508728A (zh) * | 2002-12-18 | 2004-06-30 | �Ҵ���˾ | 使用元数据在关系数据库中创建多维数据集的方法和*** |
CN101197876A (zh) * | 2006-12-06 | 2008-06-11 | 中兴通讯股份有限公司 | 一种对消息类业务数据进行多维分析的方法和*** |
CN102171648A (zh) * | 2008-10-07 | 2011-08-31 | 渣普控股有限公司 | 将关系数据库与olap立方体同步 |
CN102207940A (zh) * | 2010-03-31 | 2011-10-05 | 国际商业机器公司 | 用于验证数据的方法和*** |
CN102521246A (zh) * | 2011-11-11 | 2012-06-27 | 国网信息通信有限公司 | 一种云数据仓库*** |
CN102982103A (zh) * | 2012-11-06 | 2013-03-20 | 东南大学 | 一种olap海量多维数据维存储方法 |
CN103399926A (zh) * | 2013-08-05 | 2013-11-20 | 河海大学 | 水利普查数据多维分析服务***及其封装和实现方法 |
CN103605651A (zh) * | 2013-08-28 | 2014-02-26 | 杭州顺网科技股份有限公司 | 一种基于olap多维分析的数据处理展现方法 |
Non-Patent Citations (1)
Title |
---|
李卫玲 等: ""多维分析的OLAP模块设计与实现"", 《计算机与数字工程》 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912603B (zh) * | 2016-04-06 | 2020-05-29 | 百度在线网络技术(北京)有限公司 | 网络空间的业务查询方法及装置 |
CN105912603A (zh) * | 2016-04-06 | 2016-08-31 | 百度在线网络技术(北京)有限公司 | 网络空间的业务查询方法及装置 |
CN105956932A (zh) * | 2016-04-29 | 2016-09-21 | 中国南方电网有限责任公司电网技术研究中心 | 配用电数据融合方法和*** |
CN105956163A (zh) * | 2016-05-19 | 2016-09-21 | 乐视控股(北京)有限公司 | 图形数据库的管理方法和装置 |
CN106021488A (zh) * | 2016-05-19 | 2016-10-12 | 乐视控股(北京)有限公司 | 键值数据库的管理方法和装置 |
CN106066895A (zh) * | 2016-06-30 | 2016-11-02 | 广东亿迅科技有限公司 | 一种智能查询*** |
CN106066895B (zh) * | 2016-06-30 | 2020-01-24 | 广东亿迅科技有限公司 | 一种智能查询*** |
CN106528625A (zh) * | 2016-10-08 | 2017-03-22 | 中国人民财产保险股份有限公司 | 基于Oracle Hyperion的滚动预算***及方法 |
CN108388564A (zh) * | 2017-02-03 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 查询处理方法、装置及其设备 |
CN109002440A (zh) * | 2017-06-06 | 2018-12-14 | 北京京东尚科信息技术有限公司 | 用于大数据多维分析的方法、装置及*** |
CN107330024B (zh) * | 2017-06-21 | 2020-10-09 | 华为机器有限公司 | 标签***数据的存储方法和装置 |
CN107330024A (zh) * | 2017-06-21 | 2017-11-07 | 华为机器有限公司 | 标签***数据的存储方法和装置 |
CN110019334A (zh) * | 2017-10-16 | 2019-07-16 | 广东亿迅科技有限公司 | 一种多维数据查询分析的优化方法及其*** |
CN108153834A (zh) * | 2017-12-14 | 2018-06-12 | 广州市玄武无线科技股份有限公司 | 一种商业智能应用查询数据的方法、装置及电子设备 |
CN108153834B (zh) * | 2017-12-14 | 2020-11-06 | 广州市玄武无线科技股份有限公司 | 一种商业智能应用查询数据的方法、装置及电子设备 |
CN109617734B (zh) * | 2018-12-25 | 2021-12-07 | 北京市天元网络技术股份有限公司 | 网络运营能力分析方法及装置 |
CN109617734A (zh) * | 2018-12-25 | 2019-04-12 | 北京市天元网络技术股份有限公司 | 网络运营能力分析方法及装置 |
CN109960704A (zh) * | 2019-01-03 | 2019-07-02 | 青岛萨纳斯智能科技股份有限公司 | 大数据机器学***台 |
CN109710859A (zh) * | 2019-01-21 | 2019-05-03 | 北京字节跳动网络技术有限公司 | 数据查询方法和装置 |
CN110347755A (zh) * | 2019-07-08 | 2019-10-18 | 南威软件股份有限公司 | 一种基于Hadoop和HBase的大数据多维数据分析方法及*** |
CN110489427A (zh) * | 2019-08-26 | 2019-11-22 | 杭州城市大数据运营有限公司 | 一种数据查询方法、装置、计算机设备和存储介质 |
CN110837545A (zh) * | 2019-11-13 | 2020-02-25 | 贵州医渡云技术有限公司 | 交互式数据分析方法、装置、介质及电子设备 |
CN110941654A (zh) * | 2019-11-25 | 2020-03-31 | 杭州晨鹰军泰科技有限公司 | 基于配置模板的数据查询显示***、方法、设备及介质 |
CN111159221A (zh) * | 2019-12-31 | 2020-05-15 | 北京恒泰实达科技股份有限公司 | 一种通过动态构建立方体进行数据处理或查询的方法 |
CN111159221B (zh) * | 2019-12-31 | 2023-06-27 | 北京恒泰实达科技股份有限公司 | 一种通过动态构建立方体进行数据处理或查询的方法 |
CN111858594A (zh) * | 2020-07-21 | 2020-10-30 | 常熟理工学院 | 一种多媒体教室使用数据多维分析***及其实现方法 |
CN111966727A (zh) * | 2020-08-12 | 2020-11-20 | 北京海致网聚信息技术有限公司 | 基于Spark和Hive的分布式OLAP即席查询方法 |
CN112765282A (zh) * | 2021-01-18 | 2021-05-07 | 恒安嘉新(北京)科技股份公司 | 一种数据联机分析处理方法、装置、设备及存储介质 |
CN112765282B (zh) * | 2021-01-18 | 2023-11-28 | 恒安嘉新(北京)科技股份公司 | 一种数据联机分析处理方法、装置、设备及存储介质 |
CN113901135A (zh) * | 2021-09-14 | 2022-01-07 | 威讯柏睿数据科技(北京)有限公司 | 一种跨源异构数据智能可视化分析展示方法和设备 |
US11921742B2 (en) | 2021-09-14 | 2024-03-05 | Beijing Borrui Data Technology Co., Ltd. | Method and apparatus for intelligent visual analysis and display of cross-source heterogeneous data |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105205085A (zh) | 一种海量数据的多维分析方法及装置 | |
CN104133858B (zh) | 基于列存储的智能双引擎分析***及方法 | |
US10268645B2 (en) | In-database provisioning of data | |
CN104252536B (zh) | 一种基于hbase的上网日志数据查询方法及装置 | |
CN108292323A (zh) | 使用数据源的元数据的数据库操作 | |
US8880463B2 (en) | Standardized framework for reporting archived legacy system data | |
CN103646032A (zh) | 一种基于本体和受限自然语言处理的数据库查询方法 | |
CN104699742A (zh) | 使能扩展大型数据集的极端可视化 | |
CN104391941A (zh) | 一种快速构建常用文件全文检索工具的方法 | |
KR20200103542A (ko) | 지식-구동 연합 빅 데이터 쿼리 및 분석 플랫폼 | |
Cardoso et al. | SWI: A semantic web interactive gazetteer to support linked open data | |
CN106528810B (zh) | 一种融合异构数据便于快速大数据分析的方法 | |
CN114443656A (zh) | 一种可定制的自动化数据模型分析工具及其使用方法 | |
Vakintis et al. | Evaluation of a Web crowd-sensing IoT ecosystem providing Big data analysis | |
CN113312823B (zh) | 一种有限元后处理数据处理方法、***、设备及存储介质 | |
CN107301239A (zh) | 一种数据库转换器及转换方法 | |
CN109033447B (zh) | 一种人脸识别数据可视化*** | |
Zhang et al. | Semantic web and geospatial unique features based geospatial data integration | |
CN106844398B (zh) | 一种多源异构能源数据汇集*** | |
Chen et al. | Extended FRAG-BASE schema-matching method for multi-version open GIS Web services retrieval | |
Kakaletris et al. | Spatiotemporal Data-Cube Retrieval and Processing with xWCPS. | |
Zhong | Geological data integration and sharing on the semantic level | |
Rustad et al. | Exposing military sensor data using SpatioTemporal Asset Catalog (STAC) | |
Zhang et al. | Semantic-Based geospatial data integration with unique | |
CN104699848B (zh) | 受限Web数据库的数据抽取方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20151230 |