对国内外Data Cube中基于维层次的OLAP算法研究情况分析可知,以往的算法还存在诸多问题。简单的连接和聚集算法由于没有采用合理的优化思想,查询和聚集的开销很大;新的索引结构采用了多表连接和分组聚集技术,但它们没有考虑到维属性具有层次语义特性;而在Data Cube存储和增量更新方面,查询和更新效率的问题也未能得到有效解决。针对这些问题,本文将研究重点放在Data Cube中基于维层次的OLAP连接和聚集算法研究上,解决这些问题对数据仓库应用、商业数据处理以及决策支持等领域具有重要的应用意义。本文首先设计了一种维层次上改进的OLAP连接和聚集算法JABDH,该算法充分考虑了维层次具有语义特性的特点,将维层次编码和位图连接索引有效结合,快速检索出与关键字相匹配的维层次编码,求得所有维层次属性的查询范围,把复杂的多维层次上的连接和分组聚集操作转化为在事实表上的区域查询。其次,提出了基于维层次的Data Cube存储优化算法ISMDC。该算法提出了关联树形Cube的概念,将Data Cube中的维划分为关联维和非关联维,利用维层次B+树和维层次编码高效地检索到聚集值,同时解决了在不重构数据立方体的条件下增量更新的问题。本文使用现实数据集进行对所提出的算法进行实验,通过对不同处理结果的对比分析,所提出的算法在解决各自的问题上是有效的,实现了预期的研究目标。