随着计算机技术的飞速发展,企业对计算机提供信息的能力要求越来越高.为了解决大量数据堆积与计算机难以从中获取有效信息的矛盾,1992年,W.H Inmon在其里程碑式的《Building the Data Warehouse》一书中提出了"数据仓库"的概念,并定义了数据仓库是用于支持管理决策的、面向主题的、集成的、随时间不断变化的、稳定的数据集合.由于数据仓库能够有效的管理传统数据库产生的历史数据,并向各种决策支持应用如联机分析处理、数据挖掘等提供有力数据支持,适应了企业用户对数据深层次处理的需求.数据仓库及其相关技术十年来成为了研究与应用的热点,很多研究机构对数据仓库中的关键技术展开深入研究;软件厂商纷纷推出各自的数据仓库产品;大型企业率先建立基于数据仓库的应用系统,收到了可观回报.多维数据模型与维表维护是数据仓库研究课题中的两个关键问题.多维模型自始至终都是研究的热点,但关于维表维护的研究却很少.该文针对这两上问题进行了探讨.多维数据模型提供了一个通过多个属性(维)对事实数据进行组织的模型.该文指出了维组合格多维模型在提高模型表达能力的同时带来的问题,然后引入了不完全维组合格的概念对这一模型进行了改进,以实现在数据立方体的维模型建模阶段对立方体视图空间的约简.该文还给出了维组合格上的基本操作,并应用这些基本操作实现了一种由维格增量构造不完全维组合格的算法.目前,研究基事实表更新后数据立方体中物化视图维护策略的文献已经非常多,但是研究维变化与数据立方体物化视图关系的文献却非常少.该文将维的变化划分为维组合格变化,维格变化与卷起函数变化三类,给出了每类变化中各种操作的定义,讨论了维发生变化后维表与数据立方体的增量维护策略.该文还给出了一个数据仓库与决策支持技术的应用实例,对系统中的数据仓库主题与多维模型设计,数据维护,模型库与决策支持工具集等进行了介绍,最后还讨论了系统的通用性.