Optimisation automatique des performances dans les entrepôts de données : étude comparative

Abstract

Le problème d'expansion du volume de l'information dans les entrepôts de données, est considère comme l‟un des obstacles les plus importants qui limitent l'utilisation optimale des techniques suivantes. Nous avons essayé de noter à cet étude des techniques d'optimisation s‟auto-administration pour ces entrepôts de données en examinant chaque technique individuellement, puis par une étude comparative pour atteindre au avantages et inconvénients de chaque technique et en formant ainsi un aperçu complet de ce problème. On concentre aussi plus précisément au problème de la sélection de schéma de fragmentation optimal et ces algorithmes de fragmentation horizontale avec une étude comparative expérimentale. Pour cela on exploite les apports de l‟algorithmique génétique pour répondre à ce problème, et on propose une solution a base de cette dernière appliqué a une fragmentation mixte, qu‟elle consiste à fragmenter un schéma d‟un entrepôt horizontalement, ensuite verticalement afin de réduire le coût d‟exécution de requêtes. Enfin, pour valider les résultats théoriques, nous avons mené des expériences sur un modèle théorique appliqué à l'aide d‟un simulateur d‟un entrepôt de données ou benchmark APB-1 sur un système réel (oracle 10 g), et nous avons essayé d'évaluer les résultats obtenus ci-dessus, et atteindre les objectifs de satisfaction.