實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)技術(shù)

第1章 實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)技術(shù)概述
1．1 數(shù)據(jù)倉(cāng)庫(kù)技術(shù)
1．1．1 數(shù)據(jù)倉(cāng)庫(kù)的定義
1．1．2 數(shù)據(jù)倉(cāng)庫(kù)的特點(diǎn)
1．1．3 數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)
1．1．4 數(shù)據(jù)倉(cāng)庫(kù)的模型
1．2 實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)技術(shù)
1．2．1 實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)的定義
1．2．2 實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)的新挑戰(zhàn)
1．2．3 實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)
1．2．4 實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)與傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)的比較
1．3 MapReduce技術(shù)
1．3．1 MapReduce編程模式
1．3．2 MapReduce框架的實(shí)現(xiàn)
1．3．3 Hadoop
第2章 實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)體系結(jié)構(gòu)
2．1 實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)體系結(jié)構(gòu)的設(shè)計(jì)
2．2 ODS分區(qū)
2．3 雙鏡像交替分區(qū)
2．4 數(shù)據(jù)倉(cāng)庫(kù)副本分區(qū)
2．5 多級(jí)緩存分區(qū)機(jī)制
2．5．1 緩存的數(shù)據(jù)新鮮度
2．5．2 緩存的更新算法
2．5．3 多級(jí)緩存分區(qū)機(jī)制的查詢(xún)
2．5．4 查詢(xún)沖突問(wèn)題的解決
2．6 幾種實(shí)時(shí)數(shù)據(jù)存儲(chǔ)區(qū)的比較
第3章 變化數(shù)據(jù)捕獲
3．1 變化數(shù)據(jù)捕獲方法
3．1．1 基于數(shù)據(jù)源表的時(shí)間戳標(biāo)注
3．1．2 基于日志的被動(dòng)數(shù)據(jù)變化的捕獲
3．1．3 基于觸發(fā)器的主動(dòng)數(shù)據(jù)變化的捕獲
3．2 基于LogMiner的變化數(shù)據(jù)捕獲
3．2．1 Oracle日志簡(jiǎn)述
3．2．2 Oracle日志的兩種模式
3．2．3 LogM：iner進(jìn)行日志挖掘的基本流程
3．3 基于CDC的變化數(shù)據(jù)捕獲
3．3．1 CDC工具捕獲變化數(shù)據(jù)概述
3．3．2 CDC相關(guān)的數(shù)據(jù)庫(kù)對(duì)象
3．3．3 對(duì)變化數(shù)據(jù)處理
3．3．4 CDC捕獲模塊流程設(shè)計(jì)
第4章 更新查詢(xún)調(diào)度技術(shù)
4．1 更新查詢(xún)調(diào)度技術(shù)概述
4．2 基于優(yōu)先級(jí)的更新與查詢(xún)平衡調(diào)度
4．2．1 系統(tǒng)模型
4．2．2 在線(xiàn)日志捕獲數(shù)據(jù)
4．2．3 系統(tǒng)性能參數(shù)
4．2．4 PBBS調(diào)度算法
4．2．5 并行一致性控制策略
4．2．6 小結(jié)
4．3 支持Qos的更新和查詢(xún)?nèi)蝿?wù)調(diào)度
4．3．1 概述
4．3．2 系統(tǒng)模型
4．3．3 查詢(xún)?nèi)蝿?wù)的時(shí)間估算
4．3．4 調(diào)度算法
4．3．5 小結(jié)
第5章 實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)并行查詢(xún)
5．1 概述
5．2 MapRecluee的基本流程
5．3 基于MapReclUee的并行關(guān)系運(yùn)算
5．3．1 選擇和投影運(yùn)算
5．3．2 連接運(yùn)算
5．3．3 除運(yùn)算
5．3．4 聚集運(yùn)算
5．4 基于分塊結(jié)構(gòu)的分布式數(shù)據(jù)庫(kù)ChunkDB
5．4．1 ChunkDB的整體架構(gòu)
5．4．2 ChunkDB分布式數(shù)據(jù)庫(kù)
5．5 基于ChunkDB數(shù)據(jù)庫(kù)的MapRecluee計(jì)算
5．5．1 基于ChunkDB的Maptleduee計(jì)算實(shí)現(xiàn)流程
5．5．2 DBInputFormat數(shù)據(jù)接口擴(kuò)展
5．6 ChunkDB性能評(píng)估
5．6．1 評(píng)估環(huán)境
5．6．2 查詢(xún)性能評(píng)價(jià)
5．6．3 集群規(guī)模的影響
第6章 實(shí)時(shí)數(shù)據(jù)立方技術(shù)
6．1 概述
6．2 基礎(chǔ)知識(shí)
6．2．1 數(shù)據(jù)立方Cube
6．2．2 Dwarf數(shù)據(jù)立方
6．2．3 MapRedllice
6．3 基于MapReduee的數(shù)據(jù)立方構(gòu)建
6．4 Dwarf立方的分割
6．4．1 Dwarf立方的基礎(chǔ)劃分
6．4．2 Dwarf立方的多維劃分
6．5 并行Dwarf數(shù)據(jù)立方
6．5．1 并行Dwarf的建立
6．5．2 并行Dwarf的查詢(xún)
6．5．3 并行Dwarf的更新
6．5．4 并行Dwarf的優(yōu)化
6．6 并行Dwarf性能分析
6．6．1 評(píng)估環(huán)境
6．6．2 Dwarf的建立和存儲(chǔ)性能
6．6．3 Dwarf立方的查詢(xún)性能
6．6．4 Dwarf立方的更新性能
6．6．5 集群節(jié)點(diǎn)數(shù)量的影響
第7章 MR-RTDWH系統(tǒng)
7．1 MR．RTDWH概述
7．2 MR-RTDwH系統(tǒng)設(shè)計(jì)
7．2．1 系統(tǒng)設(shè)計(jì)目標(biāo)
7．2．2 系統(tǒng)體系結(jié)構(gòu)
7．2．3 傳統(tǒng)ETL模塊
7．2．4 實(shí)時(shí)ETL模塊
7．2．5 實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)
7．2．6 更新查詢(xún)調(diào)度模塊
7．2．7 M印Reduce并行計(jì)算模塊
7．2．8 MR-RTDWH系統(tǒng)實(shí)現(xiàn)
7．3 小結(jié)
參考文獻(xiàn)