随着互联网的兴起与飞速发展,大量的信息迎面而来,如何用科学的方法整理数据,从而从不同的视角对各方面信息进行准确判断,比以往更为迫切,更受关注。数据仓库作为数据集成的框架之一,是解决大数据环境下分析型应用问题的有效手段。数据集成中不同数据集之间存在较大的冗余,需要的存储较多,对查询响应速度的影响也较大。数据仓库往往需要采用数据复用策略使得分析大量数据的成本趋于合理。在传统的关系型数据仓库中,数据均是按行存储的。遗憾的是,由于不同数据集中关系表的模式在存储层次上往往不相同,彼此之间的冗余度很小,导致按行存储的数据存储方式并不利于数据复用的实现。列存储数据仓库中,操作的对象变为列,属性之间的冗余度较大,从而消除了行存储数据仓库在数据复用领域的不利条件。为此,本文对如何将数据复用有效地融入到列存储数据仓库中进行了研究。1.首先,论文阐述了海量数据环境下数据复用的重要意义,并对数据复用技术的发展历程和国内外列存储数据仓库中关于数据复用的现状进行了分析,总结了它们的特征和不足之处。2.然后,论文对列存储数据仓库中数据复用的核心元素进行了简单地介绍,其中包括数据复用策略的概述,可复用数据的定义,查询结果的等价原则等。3.随后,本文深入研究了列存储数据复用策略的结构设计,其数据复用策略主要由候选可复用数据发掘模块、可复用数据筛选模块、基于存储的数据复用实现模块和基于可复用数据的查询执行模块四个模块组成。其中,候选可复用数据发掘模块描述了海量数据中利用CM模式匹配算法快速寻找候选映射关系的合理方案；可复用数据筛选模块则根据映候选映射关系对属性值进行逐一匹配,得到确定的可复用数据,这是数据复用实现的必要保证；基于存储的数据复用实现模块则封装了具体复用的细节,并负责对外提供数据访问的统一接口；查询执行模块对传统查询执行流程进行了相应的改进,从而了在可复用数据的基础上实现SQL语句的直接查询。4.最后,本文以DWMS为平台,分别以真实数据集和基准数据集为测试数据,具体实现了上述各项关键技术。通过对相关的性能测试结果进行对比分析,验证了本文所述内容的正确性和有效性。在处理海量数据时,数据复用在减少列存储数据仓库存储规模的同时,还进一步优化了系统的查询性能。