摘 要：為了有效地支持企業(yè)決策，越來越多的企業(yè)建立或傾向于建立數(shù)據(jù)倉庫，然而隨著時間的推移，數(shù)據(jù)倉庫在具體應(yīng)用中普遍存在著查詢效率低下，用戶需求得不到很好滿足等問題，這就需要數(shù)據(jù)倉庫進(jìn)行及時的調(diào)整和優(yōu)化，以解決這一矛盾。聚集優(yōu)化是數(shù)據(jù)倉庫優(yōu)化技術(shù)的重要組成，這里以數(shù)據(jù)倉庫聚集優(yōu)化為研究對象，通過分析系統(tǒng)運(yùn)行日志和收集用戶需求變化，提出數(shù)據(jù)倉庫聚集優(yōu)化的最優(yōu)路徑算法Route_Optimize和聚集的物化選擇算法Select_Optimize，并以此為基礎(chǔ)獲得一個切實(shí)可行的動態(tài)聚集優(yōu)化實(shí)施方案DAOA（Dynamic Aggregation Optimization Approach），可用于對原聚集進(jìn)行有效的動態(tài)調(diào)整，以提高數(shù)據(jù)倉庫的運(yùn)行效率，更好地滿足用戶的需求，最終延長數(shù)據(jù)倉庫的生命周期。該方案經(jīng)實(shí)驗(yàn)和具體應(yīng)用證明其可行性及良好的效果。

關(guān)鍵詞：聚集優(yōu)化;數(shù)據(jù)倉庫;決策支持；最優(yōu)路徑算法

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：B

文章編號：1004-373X(2008)10-030-03

DAOA：A Dynamic Data Warehouse Aggregation Optimization Approach

ZHANG Baili1，ZHU Wen2，LV Jianhua1

(1.School of Computer Science and Engineering，Southeast University，Nanjing，210096，China;

2.College of Science，Nanjing University of Science Technology，Nanjing，210094，China)

Abstract：Nowadays，more and more enterprises have built up or are going to build up their data warehouse for supporting enterprises′ decisions.But it is necessary for us to optimize the DW constantly and periodically，for that users′ requirement can′t be caught correctly at the beginning of its creation and that users′ requirement is altering frequently.DW aggregation optimization is one of the most important part of DW optimization.In this paper aggregation route_optimize algorithm and aggregation materialization Select_Optimize algorithm are proposed，and then we design an effective method-DAOA to get an aggregation scheme that respond to users demand with best time-space complexity.At last we apply this scheme to a company′s decision system.It proves that the scheme has good efficient.

Keywords：aggregation optimization;data warehouse;decision support;optimized route algorithm

目前，我國大、中型企業(yè)約有50多萬家，分布在各大、中城市以及縣城中，由于政府職能的轉(zhuǎn)換以及環(huán)境和條件的限制，這些企業(yè)受到國內(nèi)外市場很大的沖擊和影響，為了應(yīng)對這種局面，企業(yè)決策層都逐步意識到企業(yè)信息化對其發(fā)展的重要意義。因而他們對企業(yè)內(nèi)外的信息需求日益增強(qiáng)，對信息的收集、加工、查詢以及預(yù)測決策也越來越重視。企業(yè)原來的管理方式和手段已不再適應(yīng)這些需求，也將嚴(yán)重妨礙企業(yè)的生存與發(fā)展。為了提高企業(yè)的生存能力和競爭力，同時也為了改變企業(yè)落后的管理體制、管理方式和手段，他們強(qiáng)烈地感到建立信息管理系統(tǒng)并在此基礎(chǔ)上建立決策支持系統(tǒng)的重要性，而新興的數(shù)據(jù)倉庫技術(shù)則為他們建立企業(yè)決策支持系統(tǒng)提供了很好的解決途徑^[1]。

數(shù)據(jù)倉庫是計算機(jī)應(yīng)用的新領(lǐng)域，旨在通過通暢、合理、全面的信息管理，達(dá)到有效的決策支持^[1，2]。作為數(shù)據(jù)倉庫的關(guān)鍵技術(shù)之一，聚集優(yōu)化技術(shù)承擔(dān)著對現(xiàn)有數(shù)據(jù)倉庫不斷地進(jìn)行優(yōu)化，彌補(bǔ)設(shè)計開發(fā)階段的不足，提高數(shù)據(jù)倉庫的運(yùn)行效率以及可用性、實(shí)用性等重要任務(wù)。同時，聚集優(yōu)化則直接影響了查詢的響應(yīng)速度，從而最終關(guān)系到用戶滿意程度和數(shù)據(jù)倉庫的生命周期。

1 數(shù)據(jù)倉庫與聚集優(yōu)化

1.1 數(shù)據(jù)倉庫

數(shù)據(jù)倉庫的定義是：數(shù)據(jù)倉庫是面向主題的、集成的、穩(wěn)定的，不同時間的數(shù)據(jù)集合，用于支持經(jīng)營管理中決策制定過程^[2]。數(shù)據(jù)倉庫的思想隨著逐漸嘗試對數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行再加工，形成一個綜合的、面向分析的環(huán)境，更好地支持決策分析而逐漸形成。他不同于傳統(tǒng)的數(shù)據(jù)庫，傳統(tǒng)數(shù)據(jù)庫中存放的是操作性的數(shù)據(jù)，主要用于聯(lián)機(jī)事務(wù)處理（OLTP），也叫操作型處理，是指對數(shù)據(jù)庫聯(lián)機(jī)進(jìn)行日常操作，他關(guān)心的是響應(yīng)時間；而存放在數(shù)據(jù)倉庫中的數(shù)據(jù)是分析性的數(shù)據(jù)，主要用于聯(lián)機(jī)分析處理（OLAP），也稱分析型處理，檢索的內(nèi)容隨機(jī)性和數(shù)量更大，不但存儲近期數(shù)據(jù)，也存儲歷史數(shù)據(jù)，且當(dāng)前數(shù)據(jù)不斷得到補(bǔ)充、更新，并可實(shí)現(xiàn)不同來源數(shù)據(jù)的融合。數(shù)據(jù)倉庫支持隨機(jī)的查詢，為使用者提供更多的信息，而不是數(shù)據(jù)，為決策者提供了更好的決策支持，他是建立決策支持系統(tǒng)（DSS）的基礎(chǔ)^[2-4]。

1.2 數(shù)據(jù)倉庫優(yōu)化和聚集優(yōu)化

當(dāng)前主流數(shù)據(jù)倉庫管理系統(tǒng)和聯(lián)機(jī)分析服務(wù)器，都要求用戶必須熟知企業(yè)模型、了解原始數(shù)據(jù)、對數(shù)據(jù)倉庫具備相當(dāng)程度的知識背景。然而對于企業(yè)在數(shù)據(jù)倉庫設(shè)計和開發(fā)階段，由于用戶和開發(fā)人員對此認(rèn)識有所不同和不足，導(dǎo)致在使用過程中暴露出大量問題。因此如何根據(jù)系統(tǒng)運(yùn)行情況和用戶需求的變化，對數(shù)據(jù)倉庫不斷地進(jìn)行優(yōu)化，彌補(bǔ)設(shè)計開發(fā)階段的不足，以提高數(shù)據(jù)倉庫的運(yùn)行效率以及可用性、實(shí)用性，已經(jīng)是數(shù)據(jù)倉庫應(yīng)用中迫切需要解決的重要問題^[5-7]。

作為數(shù)據(jù)倉庫優(yōu)化的一項(xiàng)重要組成，數(shù)據(jù)聚集優(yōu)化主要針對數(shù)據(jù)倉庫數(shù)據(jù)聚集部分的選擇而進(jìn)行優(yōu)化，他包括了對進(jìn)入聚集空間的維、層次以及路徑依據(jù)實(shí)際使用效果從獲得最佳時間復(fù)雜度與空間復(fù)雜度的角度進(jìn)行選擇^[4，5]。具體而言，聚集通過對數(shù)據(jù)進(jìn)行分組匯總，使數(shù)據(jù)到達(dá)一個用戶感興趣的層次，然后可以在這個概念更為清晰的數(shù)據(jù)集進(jìn)行數(shù)據(jù)分析。例如對一個藥品銷售企業(yè)的數(shù)據(jù)倉庫而言，可以聚集藥品的銷售額或銷售量，得到月、季、年的銷售數(shù)據(jù)，然后再分析哪些因素對月、季、年的銷售數(shù)據(jù)產(chǎn)生影響，而在聚集前的數(shù)據(jù)集，進(jìn)行這種數(shù)據(jù)分析研究比較困難或可能本身就沒有意義。

在數(shù)據(jù)倉庫的設(shè)計開發(fā)階段，如果想獲得較好的聚集物化方案，需要分析所有用戶和應(yīng)用的需求，研究實(shí)際使用中需要哪些維度、粒度層次的匯總信息，從而確定所有可能涉及的聚集和估算使用的頻度。但在數(shù)據(jù)倉庫創(chuàng)建初期，進(jìn)行這種需求分析顯然是比較困難或不太現(xiàn)實(shí)，且很多情況下可能并不準(zhǔn)確。為此本文提出2種動態(tài)聚集優(yōu)化算法：聚集路徑優(yōu)化算法Route_Optimize和聚集物化選擇算法Select_Optimize，并以他們?yōu)榛A(chǔ)，獲得一種比較切實(shí)可行聚集優(yōu)化的實(shí)施方案DAOA：在初期采用系統(tǒng)缺省的聚集物化方案，而在系統(tǒng)運(yùn)行的過程中，通過對用戶查詢信息不斷的統(tǒng)計分析，利用聚集路徑優(yōu)化和物化選擇2種算法對聚集進(jìn)行周期性優(yōu)化，從而實(shí)現(xiàn)數(shù)據(jù)倉庫中聚集跟隨用戶和應(yīng)用的變化而進(jìn)行動態(tài)調(diào)整，提高了數(shù)據(jù)倉庫查詢響應(yīng)性能，以更好地滿足用戶的需求。

2 聚集動態(tài)優(yōu)化方案DAOA

2.1 方案的具體步驟

針對一般商業(yè)企業(yè)決策支持系統(tǒng)的特點(diǎn)，提出以下的步驟，以有效地實(shí)現(xiàn)聚集的優(yōu)化。

（1） 建立初始聚集物化方案；

（2） 確定并錄入與聚集優(yōu)化的相關(guān)參數(shù)指標(biāo)；

（3） 啟動/周期性觸發(fā)聚集監(jiān)測進(jìn)程，采集系統(tǒng)運(yùn)行記錄；

（4） 系統(tǒng)日志分析和用戶需求分析。在對系統(tǒng)日志分析的基礎(chǔ)上，按照維和粒度層次的取舍原則和應(yīng)用需求度的判斷流程，確定哪些聚集需要物化，哪些可以刪除，哪些聚集需要經(jīng)過下一步算法的判斷；

（5） 建立有向聚集關(guān)系表，獲取各聚集權(quán)重；

（6） 交替執(zhí)行物化選擇算法和聚集路徑的優(yōu)化算法，在滿足用戶期望值和系統(tǒng)性能要求的基礎(chǔ)上，確定哪些聚集需要物化，確定哪些聚集無需物化，而轉(zhuǎn)為查詢關(guān)系，實(shí)現(xiàn)聚集方案的聚集總代價最?。华?/p>

（7） 根據(jù)優(yōu)化算法處理后得到的物化聚集方案集合和最優(yōu)路徑，重新調(diào)整數(shù)據(jù)倉庫的聚集。

2.2 最優(yōu)聚集路徑優(yōu)化算法Route_Optimize

對于具有n維的立方體，每一個聚集最多都可以由n個聚集直接生成，如圖1所示，圖中給出了一個聚集方案(222)和由他可以生成及生成他的其他聚集方案之間的關(guān)系，聚集方案之間的箭頭方向?yàn)榫奂煞较蛞布瓷暇矸较?，若—個聚集方案能夠由另外一個聚集方案經(jīng)過某一維的1次聚集 (指跨一個層次)生成，那么第二個聚集方案就稱為第一個聚集方案的雙親，如(222)是(122)的雙親，即(122)是由(222)產(chǎn)生的，反過來，(122)是(222)的孩子。由圖分析推論可得：每一個聚集方案至多能夠直接生成n個聚集，每一個聚集最多都可以由n個聚集直接生成，任何一個聚集都可以由細(xì)節(jié)數(shù)據(jù)(999)即事實(shí)表直接或間接生成。但由這n個雙親生成目標(biāo)聚集的效率是不同的，還有可能存在有的雙親聚集沒有生成，這可能就要用到祖父層的聚集。因此產(chǎn)生了最優(yōu)聚集路徑選擇的問題：在聚集中查找最有效路徑，從而以最小的聚集成本、最快的速度產(chǎn)生結(jié)果。但最優(yōu)聚集路徑的選擇是一個NP問題^[5]，只能通過啟發(fā)式規(guī)則，應(yīng)用優(yōu)化方法來接近最優(yōu)效果。

目前應(yīng)用較多的優(yōu)化方法有最小父親方法、緩存計算結(jié)果方法、分期清償掃描方法、貪心算法^[5-7]等，但是其中多數(shù)算法僅適用于系統(tǒng)建立立方體，屬于一次性物化路徑生成，沒有考慮實(shí)際的查詢執(zhí)行情況和用戶需求的變化，聚集的物化都是在查詢開始之前定義好的，因此，可以稱作靜態(tài)的聚集優(yōu)化。另外，其中的一些算法僅側(cè)重考慮聚集代價的最優(yōu)或用戶響應(yīng)最優(yōu)，未能加以有效綜合。

Route_Optimize是在貪心算法基礎(chǔ)上進(jìn)行的改進(jìn)算法，用于動態(tài)地實(shí)現(xiàn)解決聚集方案之間的最優(yōu)路徑問題。其基本思路是：簡化聚集方案之間的關(guān)系，每1個節(jié)點(diǎn)有且只有1個父節(jié)點(diǎn)，允許沒有或有多個子節(jié)點(diǎn)，被淘汰的父子關(guān)系轉(zhuǎn)變?yōu)樘撽P(guān)系，其約束條件是聚集方案關(guān)系圖權(quán)值總和最低。Route_Optimize算法的基本步驟為：

（1） 輸入帶權(quán)值的聚集關(guān)系圖R0（由屬于P1和P2的聚集方案組成）；

（2） 從聚集關(guān)系圖R0的最低層出發(fā)，逐層掃描各聚集方案節(jié)點(diǎn)Xi；

（3） 選擇連接Xi權(quán)值最小的父節(jié)點(diǎn)Qi為節(jié)點(diǎn)Xi的最優(yōu)父節(jié)點(diǎn)；

（4） 斷開Xi與其他聚集方案父節(jié)點(diǎn)之間的連接，以聚集方案節(jié)點(diǎn)Xi與Qi的聚集權(quán)值累計圖R0的總體聚集成本C0；從而得到基于R0的最小代價為C0聚集方案關(guān)系圖。 

算法中的P1，P2的含義如下:P1代表需物化的聚集方案集合；P2代表需要根據(jù)聚集和查詢閥值進(jìn)一步判斷的聚集方案集合，另外用P3代表原則上無需物化的聚集方案。

2.3 聚集的物化選擇算法Select_Optimize

在聚集方案關(guān)系圖中，存在一些聚集方案：在滿足用戶和應(yīng)用要求的條件下，其父節(jié)點(diǎn)得到這些聚集方案的聚集成本很低，同時通過他們的父節(jié)點(diǎn)得到其子節(jié)點(diǎn)的聚集成本也很低，即如果不對這些聚集方案進(jìn)行物化，則由這些聚集方案的父節(jié)點(diǎn)聚集產(chǎn)生這些聚集方案的子節(jié)點(diǎn)的聚集成本將低于聚集閾值，這些聚集方案的父節(jié)點(diǎn)在用戶查詢的時候，臨時聚集產(chǎn)生這些聚集方案的查詢成本將低于查詢閥值(本文把這樣的聚集方案稱為滿足聚集閾值與查詢閾值的聚集方案)；更重要的是，即便是不對這些聚集方案進(jìn)行物化，對其他聚集方案進(jìn)行物化的總體聚集成本將低于對這些聚集方案進(jìn)行物化的總體聚集成本。因而，出于降低數(shù)據(jù)冗余度和降低聚集復(fù)雜性的要求，完全可以摒棄對這些多余的聚集方案進(jìn)行物化，而在查詢需要的時候，對沒有物化的聚集方案進(jìn)行臨時聚集。這就是聚集方案物化選擇的問題。

與Route_Optimize算法類似，本文參考了包括貪心算法在內(nèi)的一些已有算法的基礎(chǔ)上，結(jié)合動態(tài)優(yōu)化的特點(diǎn)，提出Select_Optimize算法。其基本思路是：在原有關(guān)系圖的基礎(chǔ)上，將屬于集合P2中，滿足最低權(quán)值條件(聚集閾值、查詢閾值) 和關(guān)系圖權(quán)值總和最低的聚集方案轉(zhuǎn)變?yōu)樘摼奂桨?，將該聚集方案的父關(guān)系轉(zhuǎn)變?yōu)樘撽P(guān)系或查詢關(guān)系，將該虛聚集方案的子關(guān)系轉(zhuǎn)交給該方案的父聚集方案。Select_Optimize算法的基本步驟為：

（1） 輸入攜帶權(quán)值的聚集關(guān)系圖R0（由屬于P1和P2的聚集方案組成）、聚集閾值L0、查詢閾值Q0 ；

（2） 備份聚集關(guān)系圖R0，基于聚集關(guān)系圖R0運(yùn)行Route_Optimize算法，獲得初始總體聚集成本C0 (已刪除節(jié)點(diǎn)不參與運(yùn)算)，恢復(fù)聚集關(guān)系圖R0；

（3） 篩選出聚集關(guān)系圖R0中屬于集合P2且滿足聚集閾值與查詢閾值的聚集方案節(jié)點(diǎn)X={Xl，X2，…，Xm}，即節(jié)點(diǎn)Xi刪除后（i ∈ (1，2，…，m)），節(jié)點(diǎn)Xi可以由其最低權(quán)值父節(jié)點(diǎn)Xi′查詢生成，且這個權(quán)值不大于查詢閾值；節(jié)點(diǎn)Xi的子節(jié)點(diǎn)Xi″可以由其最低權(quán)值父節(jié)點(diǎn)Xi′聚集生成，且若這個子節(jié)Xi″點(diǎn)是已經(jīng)被刪除的節(jié)點(diǎn)，則節(jié)點(diǎn)Xi與其子節(jié)點(diǎn)Xi″之間的查詢權(quán)值加上節(jié)點(diǎn)Xi與父節(jié)點(diǎn)Xi′之間的聚集權(quán)值的和應(yīng)不大于查詢閾值；若這個子節(jié)點(diǎn)Xi″不是已經(jīng)被刪除的節(jié)點(diǎn)，則節(jié)點(diǎn)Xi與其子節(jié)點(diǎn)Xi″之間的聚集權(quán)值加上節(jié)點(diǎn)Xi與父節(jié)點(diǎn)Xi′之間的聚集權(quán)值的和應(yīng)不大于聚集閾值。如沒有一個這樣的聚集方案節(jié)點(diǎn)則轉(zhuǎn)至步驟（7）；

（4） 分別得到刪除聚集方案節(jié)點(diǎn)Xi后的聚集關(guān)系圖Ri (即節(jié)點(diǎn)Xi的聚集方案轉(zhuǎn)變?yōu)樘摼奂桨福还?jié)點(diǎn)Xi與其最低權(quán)值父節(jié)點(diǎn)Qi建立查詢關(guān)系，斷開節(jié)點(diǎn)Xi與其他父節(jié)點(diǎn)之間的關(guān)系：節(jié)點(diǎn)Xi的未刪除子節(jié)點(diǎn)Xi″與節(jié)點(diǎn)Xi的最低權(quán)值父節(jié)點(diǎn)Qi建立聚集關(guān)系，權(quán)值為父權(quán)值與子權(quán)值之和；節(jié)點(diǎn)Xi的已刪除子節(jié)點(diǎn)Xi″與節(jié)點(diǎn)Xi的最低權(quán)值父節(jié)點(diǎn)Qi建立查詢關(guān)系，權(quán)值為父權(quán)值與子權(quán)值之和。其中i ∈ (1，2，…，m))，基于聚集關(guān)系圖Ri運(yùn)行Route_Optimize算法，得出他們對應(yīng)的總體聚集成本Ci。

（5） 篩選出節(jié)點(diǎn)Xt (這里t ∈ （1，2，…，m）)，他滿足條件：總體聚集成本Ct=Min(Cl，C2，…Cm)且總體聚集成本Ct < 初始總體聚集成本C0，如沒有這樣的聚集方案節(jié)點(diǎn)則轉(zhuǎn)至步驟（7）；

（6） 用Rt替換R0，轉(zhuǎn)至步驟（2）運(yùn)行；

（7） 基于聚集關(guān)系圖R0運(yùn)行算法Route_Optimize，返回新的聚集關(guān)系圖R0及總體聚集成本C0。

經(jīng)過在Select_Optimize算法尾部調(diào)用Route_Optimize算法，能夠得到總體聚集成本最低的聚集關(guān)系圖以及各聚集方案之間的查詢關(guān)系圖(針對虛聚集方案)。

3 結(jié) 語

以上的算法模塊利用VC++在Oracle9i中得以實(shí)現(xiàn)，并在實(shí)驗(yàn)中進(jìn)行驗(yàn)證。在實(shí)驗(yàn)室的環(huán)境中，原型系統(tǒng)所用的Dell Power Edge 6600硬件平臺是一款雙至強(qiáng)（XEON）CPU的企業(yè)級服務(wù)器，良好的系統(tǒng)性能為實(shí)驗(yàn)提供了很好條件。但由于實(shí)驗(yàn)數(shù)據(jù)量尚達(dá)不到海量，為了較清晰反映物化調(diào)整后的效果，實(shí)驗(yàn)過程中盡量采用了一些極端取值，以更好地驗(yàn)證算法。具體做法是：一方面采用較大范圍內(nèi)改變聚集的權(quán)重系數(shù)大小（可人為設(shè)定的代表聚集重要性的參數(shù)）影響聚集物化的取舍，其直接可以從聚集查詢的響應(yīng)速度上反映出來。另一方面通過專門編寫的程序模擬日志的數(shù)據(jù)改變或修改聚集閥值等參數(shù)，觀察聚集的效果，均達(dá)到預(yù)期的目標(biāo)：利用最優(yōu)路徑算法使聚集關(guān)系圖得到了很大的簡化，大大低于原先缺省的聚集成本，為后來的物化選擇算法提供了方便。

迄今為止，由于具體實(shí)現(xiàn)的復(fù)雜性和多變性，目前國內(nèi)數(shù)據(jù)倉庫技術(shù)在商業(yè)企業(yè)中的應(yīng)用還十分有限。本文針對現(xiàn)階段企業(yè)數(shù)據(jù)倉庫建設(shè)中關(guān)鍵的聚集優(yōu)化問題，提出一種切實(shí)可行的實(shí)施方案，并在實(shí)驗(yàn)中和具體應(yīng)用收到了良好的效果，說明方案有效可行。

參 考 文 獻(xiàn)

［1］Efrem G M.決策支持和數(shù)據(jù)倉庫系統(tǒng)［M］.北京：電子工業(yè)出版社，2001.

［2］Inmon W H.Building the Warehouse\\[M\\].2nd Edition.NewYork:John Wiley and Sons，1996.

［3］Michael C.Oracle8i數(shù)據(jù)倉庫［M］.北京:機(jī)械工業(yè)出版社，2002.

［4］袁林.基于數(shù)據(jù)倉庫的輔助決策系統(tǒng)設(shè)計與實(shí)現(xiàn)［J］.電力系統(tǒng)自動化，2001，25(21):25-27.

［5］遲忠先，王紅新，于鳳友．?dāng)?shù)據(jù)倉庫中聚集管理與導(dǎo)航策略［J］．小型微型計算機(jī)系統(tǒng)， 2002，26(12):1 456-1 461.

［6］張忠能，尤毅，程偉寧，等．設(shè)計數(shù)據(jù)倉庫［J］.上海交通大學(xué)學(xué)報，1998，32(10):50-52.

［7］Zohra B.Schema Evolution in Data Warehouses［J］.Knowledge and Information System，2002，(4):283-304.

作者簡介 張柏禮 男，1970年出生，江蘇鹽城人，博士，講師。主要研究方向?yàn)閿?shù)據(jù)倉庫、數(shù)據(jù)挖掘和Web。

朱 文 女，1986年出生，江蘇南京人，工程師。主要研究方向?yàn)槲锢韺?shí)驗(yàn)理論與技術(shù)數(shù)據(jù)庫實(shí)現(xiàn)技術(shù)。

呂建華 男，1977年出生，河北承德人，博士后，副教授。研究方向?yàn)閿?shù)據(jù)管理技術(shù)、傳感器網(wǎng)絡(luò)、XML等。