The need to process and analyze lar

The need to process and analyze large data volumes, as well as to convey the information
contained therein to decision makers naturally led to the development of OLAP systems.
Similarly to SGBDs, OLAP systems must ensure optimum access to the storage environment.
Although there are several ways to optimize database systems, implementing a correct data
indexing solution is the most effective and less costly.
Thus, OLAP uses indexing algorithms for relational data and n-dimensional summarized data
stored in cubes.
Today database systems implement derived indexing algorithms based on well-known Tree,
Bitmap and Hash indexing algorithms. This is because no indexing algorithm provides the best
performance for any particular situation (type, structure, data volume, application).
This paper presents a new n-dimensional cube indexing algorithm, derived from the well known
B-Tree index, which indexes data stored in data warehouses taking in consideration their multidimensional nature and provides better performance in comparison to the already implemented
Tree-like index types.

Kết quả (Việt) 2:

Sự cần thiết phải xử lý và phân tích khối lượng dữ liệu lớn, cũng như để truyền đạt thông tin
chứa trong đó để ra quyết định một cách tự nhiên dẫn đến sự phát triển của hệ thống OLAP.
Tương tự như vậy để SGBDs, hệ thống OLAP phải đảm bảo tiếp cận tối ưu cho môi trường lưu trữ.
Mặc dù có một số cách để tối ưu hóa hệ thống cơ sở dữ liệu, thực hiện một dữ liệu chính xác
giải pháp lập chỉ mục là hiệu quả nhất và ít tốn kém.
vì vậy, OLAP sử dụng thuật toán lập chỉ mục cho dữ liệu quan hệ và dữ liệu tóm tắt n chiều
được lưu trữ trong khối.
ngày nay các hệ thống cơ sở dữ liệu thực hiện nguồn gốc các thuật toán lập chỉ mục dựa trên nổi gọi Tree,
Bitmap và Hash thuật toán lập chỉ mục. Điều này là bởi vì không có thuật toán lập chỉ mục cung cấp tốt nhất
hiệu suất cho bất kỳ tình huống cụ thể (loại, cấu trúc, khối lượng dữ liệu, ứng dụng).
Bài viết này trình bày một thuật toán khối chỉ mục n-chiều mới, xuất phát từ nổi tiếng
chỉ số B-Tree, với chỉ mục dữ liệu lưu trữ trong kho dữ liệu dùng trong việc xem xét bản chất đa chiều của họ và cung cấp hiệu suất tốt hơn so với đã thực hiện
loại chỉ số cây như thế nào.