ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
Décisions, argumentation et traçabilité dans l’Ingénierie des Systèmes d’Information
En savoir plus >>
Autres revues >>

Ingénierie des Systèmes d'Information

Networking and Information Systems
1633-1311
Revue des sciences et technologies de l'information
 

 ARTICLE VOL 15/1 - 2010  - pp.9-33  - doi:10.3166/isi.15.1.9-33
TITRE
Fenêtres sur cube

TITLE
Cube windows

RÉSUMÉ
De nos jours, de nombreuses applications (e.g. surveillance en temps réel, analyse du trafic...) doivent faire face à un flot éventuellement infini de données multidimensionnelles. Dans un tel contexte, il n'est plus possible d'exploiter ces données à un faible niveau de granularité et il faut donc proposer de nouvelles approches d'agrégation prenant en compte ces différentes contraintes. Nous adaptons les technologies OLAP à un contexte temps réel pour proposer une structure qui (1) permette une analyse multidimensionnelle et multiniveau efficace et (2) satisfasse une contrainte critique dans les flots de données : l'espace de stockage. Traditionnellement, l'historique des données de granularité faible n'est consulté que sur un passé proche et vouloir les stocker après ce délai devient superflu. Nous proposons de les agréger en fonction de l'évolution du flot au cours du temps passé en étendant le principe de fenêtres temporelles à toutes les dimensions hiérarchisées et introduisons les fonctions de précision pour déterminer à quel moment un niveau de granularité devient superflu. Ces fonctions sont combinées afin de proposer une structure compacte et rapidement maintenable.


ABSTRACT
Real-time surveillance systems and other dynamic environments often generate tremendous volume of multidimensional stream data. This volume is too huge to be scanned multiple times and stream data goes around at rather low level of abstraction. So it is unrealistic to stock such data for two main reasons: the technical limit on today's computer and analysts are mostly interested in higher levels of abstraction. To discover such high-level characteristics, one may need to perform on-line multi-level and multi-dimensional analytical processing of stream data. In this paper, we propose a compact architecture to perform such analysis. Since time and space are critical in the context of stream analysis, our architecture is based on two techniques. First, a tilted-time model is used to compress the temporal dimension: the more recent the data is, the finer it is registered. Secondly, recent data are mostly interrogated on fine level of precision. So, we extend the tilted-time model to other multi-level dimensions: precision levels, which are never interrogated, are not materialized. Based on this design methodology, stream cube can be constructed and maintained incrementally with a low amount of memory and a reasonable computation cost.


AUTEUR(S)
Yoann PITARCH, Anne LAURENT, Marc PLANTEVIT, Pascal PONCELET

MOTS-CLÉS
OLAP, flot de données, résumé de données, fenêtres temporelles.

KEYWORDS
OLAP, data stream, summary, tilted-time window.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 12.5 €
• Non abonné : 25.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (476 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier