| Abstract: | Abstract :
In the realm of data warehousing, the judicious selection of materialized views holds the
key to optimizing query performance and overall system efficiency. This Master’s thesis
presents a meticulous exploration of existing materialized views selection algorithms, offering
a systematic classification, in-depth review, and comparative analysis.The research
begins by classifying the multitude of materialized views selection algorithms into distinct
categories based on their underlying principles, techniques, and objectives. This comprehensive
classification framework provides a structured overview of the diverse landscape of
existing algorithms.
A detailed review follows, wherein each category of algorithms is dissected, highlighting
their unique methodologies, advantages, and limitations. The review not only provides
a thorough understanding of the theoretical foundations but also elucidates the practical
implications of each algorithm in real-world data warehouse scenarios.
In essence, this thesis serves as a comprehensive guide, shedding light on the nuances
of materialized views selection algorithms, their classifications, intricacies, and comparative
performance. By bridging the gap between theory and practical application, this research
contributes significantly to the ongoing discourse in the field of data warehousing, enhancing
our collective knowledge and informing the evolution of more efficient and adaptive materialized
views selection algorithms.***
Résumé :
Dans le domaine de l’entreposage des données, la sélection judicieuse des vues matérialisées
est la clé de l’optimisation des performances des requêtes et de l’efficacité globale du
système. Ce mémoire de maîtrise présente une exploration méticuleuse des algorithmes de
sélection de vues matérialisées existants, offrant une classification systématique, une revue
approfondie et une analyse comparative.
La recherche commence par classer la multitude d’algorithmes de sélection de vues matérialisées
en catégories distinctes en fonction de leurs principes, techniques et objectifs sousjacents.
Ce cadre de classification complet fournit un aperçu structuré de la diversité des
algorithmes existants.Un examen détaillé suit, dans lequel chaque catégorie d’algorithmes est
disséquée, mettant en évidence leurs méthodologies uniques, leurs avantages et leurs limites.
La revue fournit non seulement une compréhension approfondie des fondements théoriques,
mais explique également les implications pratiques de chaque algorithme dans des scénarios
réels d’entrepôt de données.
Essentiellement, cette thèse sert de guide complet, éclairant les nuances des algorithmes
de sélection de vues matérialisées, leurs classifications, leurs subtilités et leurs performances
comparatives. En comblant le fossé entre théorie et application pratique, cette recherche
contribue de manière significative au discours en cours dans le domaine de l’entreposage
de données, améliorer nos connaissances collectives et éclairer l’évolution d’algorithmes de
sélection de vues matérialisées plus efficaces et adaptatifs. |
