宋爱波 张若儒 赵经华 何战国

(东南大学计算机科学与工程学院，南京211189)

OLAP是一种针对数据仓库中的数据进行联 机访问和分析的主要技术［1］.然而，传统DBMS的行存储结构严重制约了OLAP聚集计算效率.按行存储和读取数据适合以写操作为主的事务处理，不适于以读操作为主的OLAP.早期的列存储模型DSM 是由 Copeland等［2］在1985年提出的.DSM将每个关系按列进行垂直划分，将每个列值以(元组ID，列值)对形式进行存储.在列存储中，只有被查询的列才会读入内存，而行存储需要读入所有列，因此列存储比行存储具有更高的数据查询效率.此外，列存储还具有更高的数据压缩比.如今，商业 列 数 据 库 有 SenSage［3］，Sybase IQ［4］，Big-Table［5］等，开 源 列 数 据 库 有 MonetDB［6］，C-store［7］，HBase［8］等.根据 Feinberg 等［9］在 2011年1月关于数据仓库的分析报告，与传统关系型数据库相比，列数据库在数据分析(包括OLAP等)方面表现出卓越的性能.

目前，Sybase IQ还不能很好地支持高维OLAP数据的维层次特性，可扩展性较差.Zou等［10］建立在HBase上的索引表CCindex能较好地支持范围查询，但没有考虑数据的层次性.文献［11］提出的维层次编码能够支持OLAP的多维层次性，但是其B+树的传统构建方法产生的开销太大，且仍采用行存储结构，读取大规模列数据时效率不高.

HBase是BigTable的开源实现，以HDFS(Hadoop分布式文件系统)为底层存储，是一个提供高可靠性、高性能、列存储、实时读写的大规模分布式数据库系统.在HBase中，列可动态扩展，能较好地支持OLAP数据的维层次属性;它还能利用Hadoop系统的MapReduce框架对列数据进行高效并行计算.鉴于此……