主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张子兴,吴斌,吴心宇,张有杰,孙思瑞,彭程程,刘昱彤.路径-维度GraphOLAP大规模多维网络并行分析框架.软件学报,2018,29(3):545-568
路径-维度GraphOLAP大规模多维网络并行分析框架
P&D GraphOLAP: Parallel Framework for Large-Scale Multidimensional Network Analysis
投稿时间:2017-07-31  修订日期:2017-09-05
DOI:10.13328/j.cnki.jos.005443
中文关键词:  图立方体  立方体物化  关系路径  图联机分析处理
英文关键词:graph data cube  materialization  relation path  GraphOLAP
基金项目:国家重点基础研究发展计划(973)(2013CB329606);国家自然科学基金(61772082)
作者单位E-mail
张子兴 智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876  
吴斌 智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876 wubin@bupt.edu.cn 
吴心宇 智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876  
张有杰 智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876  
孙思瑞 智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876  
彭程程 智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876  
刘昱彤 智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876  
摘要点击次数: 835
全文下载次数: 851
中文摘要:
      现实生活中,大量数据都可以使用多维网络进行建模.如何更好地对多维网络进行分析,是研究人员关注的重点.OLAP (联机分析处理)技术已被证实是对多维关系数据进行分析的有效工具,但应用OLAP技术管理与分析多维网络数据以支持有效决策,仍是一项巨大的挑战.设计并提出了一种图立方体模型:路径-维度立方体,并针对提出的立方体模型将物化过程划分为关系路径物化与关联维度物化两部分,分别提出了物化策略,并基于Spark框架设计了相关算法.在此基础上,针对网络数据设计并细化了相关的GraphOLAP (图联机分析处理)操作,丰富了框架的分析角度,提高了对多维网络的分析能力.最后,在Spark上实现了相关算法,通过对多个真实应用场景中的数据构建多维网络,在分析框架上进行了分析,实验结果表明,所提出的图立方体模型和物化算法具有一定的有效性和可扩展性.
英文摘要:
      Most data in real life can be described as multidimensional networks. How to process the analysis on multidimensional networks from multiple views and multiple granularities is still the focus of current research. Meanwhile, OLAP (online analytical processing) technology has been proven to be an effective tool on relational data. However, it is an enormous challenge to manage and analyze multidimensional heterogeneous networks via OLAP technology to support effective decision making. In this paper, a P&D (path and dimension) graph cube model is proposed. Based on this model, the graph cube materialization is divided into two parts, termed as path related materialization and dimension related materialization, and the corresponding materialization algorithms are designed. Some GraphOLAP operations are also refined to improve the ability of analyzing multidimensional networks. Finally, the algorithms are implemented on Spark and the multidimensional networks are constructed through real datasets. These networks are then analyzed using the framework. The results of experiments validate the effectiveness and scalability of P&D graph cube model and the materialization algorithms.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利