颐 和 晚 霞
园林景观取名命名总汇参考
园林景观取名命名总汇参考园林景观取名命名总汇参考：-1、亭：松涛亭、耦香亭、百花亭、木香亭、怡红亭、听泉亭、探月亭、扇面亭、桂香亭、青枫亭、迎春亭、翼然亭、望荷亭、沁芳亭、赏心亭、知春亭、流杯亭、鉴碧亭、神秀亭、可中亭、仙弈亭、兰亭、春光亭、可亭、冠云亭、天泉亭、放眼亭、涵青亭、倚虹亭、待霜亭、雪香云蔚亭、荷风四面亭、笠亭、塔影亭、宜两亭、得真亭、静深亭、对照亭、真趣亭、飞瀑亭、湖心亭、月到风来亭、冷泉亭、荷风柳浪亭、生云亭、挹芳亭、养虚亭、琼蕊亭、山色亭、远香亭-2、台：多景台、牡丹台、起云台、-3、楼：含辉楼、四宜楼、碧桐花楼、法源楼、清旷楼、储水楼、烟雨楼、西楼、见山楼、倒影楼、-4、阁：环翠阁、若帆之阁、清音阁、冷香阁、远翠阁、浮翠阁、留听阁、白梅阁、修竹阁、濯缨水阁、凌虚阁、-5、榭：朝霞榭、芙蓉榭、沁芳榭、湖光榭-6、廊：画廊、曲廊、夕照廊、、波形廊、-7、殿：凝辉殿、正大光明殿、-8、堂：中和堂、集福堂、蔚藻堂、清夏堂、畅和堂、沉心堂、慎德堂、澹怀堂、含经堂、泽兰堂、兰雪堂、远香堂、绣绮堂、立雪堂、心远堂、-9、馆：涵秋馆、如意馆、长春仙馆、杏花春馆、玉玲珑馆、竹香馆、清风池馆、五峰仙馆、秫香馆、清韵馆、-10、斋：春泽斋、思永斋、淳化斋、蕴真斋、静性斋-11、轩：绿满轩、多嫁轩、深晨轩、君子轩、三支轩、闻木樨香轩、揖峰轩、听雨轩、南轩、小山丛桂轩、竹外一支轩-12、房：寒碧山庄、玉兰山房-13、娱乐与饮食：碧萝餐厅、松陵酒家、茅舍接待室-14、桥：飞虹桥、石板桥、绿荫桥、枕流桥、青枫桥、凌波桥、九孔桥、颐波桥、迎客桥、小飞虹、引静桥、涵芳桥、烟霞桥、落虹桥-15、水体：水禽池、银锄湖、白莲池、颐静湖-16、景点：洞天深处、缕月云开、菇古涵今、山高水长、上下天光、菊院荷风、坐石临流、武陵春色、柳浪闻莺、水木明瑟、西峰秀色、菱荷香、紫碧山房、鱼跃鸢飞、三潭印月、平湖秋月、雷峰夕照、接秀山房、观鱼跃、别有洞天、南屏晚钟、夹镜鸣琴、一碧万顷、湖山在望、万景山庄、古木交柯、海棠春坞、梧竹幽居、柳荫路曲、听松风处、-17、题名石：清如许、清虚山、寒山行、活泼泼地、真有趣、-18、园：倩园、茹园、建园、藻园、枇杷园、吟春园、倚春园、荷风园、丹枫园、霜红园、暗香园、集芳园、四宜园、凝翠园、紫竹院、樱花园-组团名称-启：一潭清澈荡漾的碧波开启了人们对自然的向往，临水的会馆象征居民新生活的开始。
潘天寿
潘天寿（1897－1971）简介：潘天寿，1897年3月生，1971年9月卒，浙江宁海人。
潘天寿原名天授，字太颐，号寿者。
生于浙江省宁海县冠庄村，自幼在家乡冠庄西山的雷婆头峰学校上学，他晚年多以“雷婆头峰寿者’款于画上，就是为纪念童年纯朴的乡居生活。
潘天寿年青时自感“无干事之才，只有书画尚能胜任”，因而在诗、书、画、篆刻等方面深入探研。
1923年，27岁的潘天寿应聘到上海美专任职，并参与创办上海新华艺专，培养了许多学生。
1928年，他到新成立的杭州西湖艺术院任中国画系主任，他的才干受到当时已80高龄的昊昌硕的赏识，潘天寿在艺术上亦也受了到吴的影响。
1955－1965年间，是潘天寿创作、著论丰盛的10年，这时期他曾任全国美协副主席，1958年荣任苏联莫斯科美术研究院名誉院士，文革中受到诬陷与摧残，1971年9月含冤而逝，时年75岁。
后来由国家投资在浙江美院院内建有潘天寿纪念馆。
为捍卫传统绘画的独立性竭尽全力，奋斗一生，并且形成一整套中国画教学的体系，影响全国。
他的艺术博采众长，尤于石涛、八大、吴昌硕诸家中用宏取精，形成个人独特风格。
不仅笔墨苍古、凝炼老辣，而且大气磅礴，雄浑奇崛，具有慑人心魄的力量感和现代结构美。
他曾任中国美术协会副主席、全国人大代表、苏联艺术科学院名誉院士。
著述有《中国绘画史》、《听天阁画谈随笔》。
他是一代艺术大师和美术教育家。
潘天寿（1897－1971）绘画艺术：潘天寿绘画题材包括鹰、荷、松、四君子、山水、人物等，每作必有奇局，结构险中求平衡，形能精简而意远；勾石方长起菱角；墨韵浓、重、焦、淡相渗叠，线条中显出用笔凝炼和沉健。
他精于写意花鸟和山水，偶作人物。
尤善画鹰、八哥、蔬果及松、梅等。
落笔大胆，点染细心。
墨彩纵横交错，构图清新苍秀，气势磅礴，趣韵无穷。
画面灵动，引人入胜。
潘天寿的指画也可谓别具一格，成就极为突出。
这类作品，数量大，气魄大，如指墨花卉《晴霞》、《朱荷》、《新放》等，画的均为“映日荷花”，以泼墨指染，以掌抹作荷叶，以指尖勾线，生动之气韵，非笔力所能达。
钟灵毓秀 静水深流——王万明书法作品探颐
的 书 法作 品 。
万明教授数十载专 门从事高校管理工作 ， 曾任数所高校校长、 党委书记诸要职 ； 与此 同时， 亦数十载从事着 他 自觉传播 大 学文化 、 大学精神 ， 力构建 高校校 园文化 建设体 系的有益 工作 。２０ 年 万明担任 了新 建本 科 院校 廊 奋 ００ 坊师 范 学院的 党委 书记 。 坊 师范 学院 万象更 新 ， 廊 迅捷 发展 ， 向 更高 的 目 正 标猛 进 。 笔者 对廊坊 师 范学 院所取得 的 每一 步进展倍 感欣慰 。 万明 同志在 学院发展 中殚精竭 智 ， 绩不俗 ； 的书 法艺术 亦层 楼更 上 ， 成 他 日臻 完善 ， 达到 了 挥洒 自如 、 书以载道 的较 高境界 。 万明 首倡成 立大 学生 书法协 会 ， 力培养 了一 大批优 秀的 书法人 才。 于廊坊 师 致 鉴 范 学院在 大学 文化建 设上 的佳 绩 ， 院被 中央文 明 办、 化部授 予 全 国先进 文化社 区的光 荣称号 。 万明 的书 法作 学 文 品 亦荣膺全 国高校 校 长书 画摄 影作 品展 —— 校 长风 采 奖 ， 品入 选 高校校 长 书画摄 影作 品集 。 作 综观 万 明的 书法艺 术 ， 现其 独具 这样 几种 特质 ， 同凡 响 ， 发 不 影响 深远 。 万 明将 修炼 书 法 当成怡 情养 性 、 怀观 道 的有 效方 式 ， 为传 播 大学 文化 、 扬传 统文 化 的重 要举 措 ， 澄 视 弘 并 巧 妙地将 两者 有机 融合 ， 刃有 余 ， 曲同工 游 异 万 明是位 清 醒的 高校 党务 工作 者 ， 善 于理 政 ， 于发展 ， 的 书法 艺术 亦着意从 工作 的生 活 的文 化 的源 头 他 长 他 汲取 活水 ， 通过修 炼 书法 ， 时调整 与 充分利 用 自身 的各 种 潜能 ， 用 内返 所 形成 的原 动力与 重量 感 ， 力推 动赖 适 巧 有 以生存与发展的传统文化 、 民族文化、 大学文化， 收取 了事半功倍之效。《 王万明书法作品集》 吾用心研读数遍 ， 受 益 匪浅 ， 体悟 殊深 。长长 ７ 的 书艺力 作 ， ５版 各展 丰姿 ， 美不胜 收 。中 国是 书法 大 国 ， 们喜 爱 书法 ， 人 渴慕 书法 ， 熟谙 书法、 精通书法的人不在 少数 ， 但为助推工作、 助推事业而研修书法并形成气候者不 多。日理万机 、 醉心书艺的万 明是 其 中成功 的一 员。他 的行 书行 云流水 ， 酣畅淋 漓 ； 书遒 劲沉凝 ， 隶 力透 纸背 ； 书一 气呵 成 ， 然一 体 ； 书隽 草 浑 楷 秀端 方 ， 绵里藏 针 。 写 的 中堂云 蒸 霞蔚 ， 象万千 ， 写的扇 面雅 致疏 朗， 他 气 他 怡人 耳 目。 可谓 ： 真 鹤砚 晓 沾清 霞润 ， 鹅 池春涨 绿 波长 。万明在 多年 的 书法修 炼 中品到 了个 中三 昧 。 这 部怡神 悦 目的 当代 书法精 品集 收有 万 明亲笔 书写 的 ８ 幅 长篇 短 制 ， 琅 满 目， ５ 琳 洋洋 大观 。 万明秉 笔直 书的 “ 静水深流”“ 、虎跃龙腾”“ 、宁静致远” “ 、养正”“ 、 道法 自然” “ 、 止于至善 ”“ 、春华秋 实”“ 、澄怀观道 ”“ 、 物华天宝” 、 “ 厚德 博 学、 弘毅致 远” “ 满校 园” 、春 等词 条 皆意到 笔随 ， 含深 意 。 语 万明在繁 忙的 工作之 余挥 毫纵笔 ， 写心 声 。 抒 他 反 复书 写的不 少墨 宝都 是 关于 大学文化 、 学精 神 、 统文化 的 旨要 ， 些他烂 熟 于心 ， 大 传 这 身体 力行 。万 明走 的是 一 条 清晰 的科 学的 大学文化 路径 ， 最终在 宣纸上表 情达 意 ， 涉笔成趣 ， 可见 万 明书法是 有根 脉和 生命 力 的 ， 有其 深厚 的 文化 依 傍 。我 尤其 喜 欢“ 水深 流 ” 版 ３ｃ ×８ｃ 的墨 宝 ， 静 这 ５ｍ ０ｍ 万明 用笔将 静 的流化 过 程 、 提升 过程 惟妙 惟 肖地 表现 出来 ， 静虚 指 向 中 ， 在 物我 两忘 ， 澄 明 。 心迹 万明的 书法 不为 解 闷， 为炫技 ， 不 他那 朴茂 劲秀 的书 法是 其精 神品 格 的外化 ， 言 以蔽之 ， 一 万明在 为管好 高校 而修 炼 书法 。 二 、 明将提 高 书艺 当作 锤炼 品 性 、 万 宁静 致 远 的坦荡 渠 道 ， 为 提 高管理 才 能 、 断创 新 突 破 的不 竭动 力 ， 作 不 既 提高 了书 艺书 品， 亦加强 了人 品修 养 ， 相辅 相成 ， 曲径通 幽 万明 的书 法艺术 经 多年 修 炼而成 。字 写成这 个样 子 ， 下诸般 苦功 ， 要 淌下无数 汗水 。 关注到 这样 一 个事 实 ： 我 万明有一定的古典文学造诣与传统文化素养。在他的书法作品集中，最先映入眼帘的是本人十分钟爱的饶有意 趣、 饱含哲理的清代周希陶的增广贤文。 增广贤文对于为人处事， 修身立言讲 了不少哲理 ， 读来教益颇多。 万明又 喜 写唐诗 宋词 的名 篇佳 作 与古代 名 家圣 贤的格 言警 句 ， 以励 志 ， 练 字又练人 。润 秀 中孕健 朗 ， 制 动 ， 用 既 以静 以势 生韵 ， 强 了其 书 艺的厚度 。 增 书是一 半 文 ， 字如其 人 ， 皆有一 定道理 。 眼见 万明 书品渐 长 ， 品 亦更为练达 凝 重。 人 酷 爱 书法 让其更 读懂 了人 生 ， 炼好 人 品 ， 握 好生命 。 修 把 三 、 明将推 广 书艺 当作 精 心治 学 、 万 科研 强 校 的丰 富实 践 ， 当作 打 造学 术 团队 、 求 科 学发 展 的切 实途 径 ， 谋 逐 渐使 自己锤炼为专家型的管理者
寿联大全集锦
寿联大全集锦立功立德寿国寿民幸逢盛世乐享遐龄仙鹤千年寿苍松万古春松柏长春茂颐年养性情幸福征寿考大年享升平勋迹光日月精神富流年松鹤千年寿子孙万代福白鹤翔万里红桃寿千秋树老有余韵年高多雅情寿同山峦永福同海天长松高枝叶茂鹤老羽毛丰四时调玉烛千算祝瑶觞春风挥翰墨佳气接蓬莱笑指南山作颂喜倾北海为樽汉柏秦松骨气商彝夏鼎精神东壁离文才吐凤南山献颂昔流琼柏节松心宜晚翠童颜鹤发胜当年白发朱颜登上寿丰衣足食享高龄千岁蟠桃开寿域九重春色映霞觞花开红杏酣春色酒进南山作寿杯福如东海长流水寿比南山不老松大鹏鸟飞九万里蟠桃子熟三千年春日融和欣祝寿吉星光耀喜迎春碧桃岁结三千实紫凤朝衔五色笺觞飞瑶阶来仙祝瑞霭锦屏见寿星蟠桃已结瑶池露玉树交联阆苑香高龄稔许同龟鹤瑞世应知有凤毛心田种德心常泰福地安居福自来一华中分连海曙五云高处是蓬莱野鹤巢边松最老仙人掌上雨初晴心地高明宜福寿精神爽朗自康宁市隐四明楼高百尺朋颂三寿恩沐九霄红灯高照福庆长乐爆竹连声寿祝久安福禄欢喜长生无极仁爱笃厚积善有征南极腾辉彤云瑞霭西池宴会绛雪香芳天与长春灵芝献瑞人传济美宝树敷荣爱爵传觞尤怀多福颐性养寿屡获嘉祥立德立言于兹不朽寿人寿世共此无疆桃熟三千美果平分仙洞春光九十称觞偏占佳期大衍添筹一百六日春光好长才养檄七十二沽游历长山明水秀八节四时颜不老风和日丽千年万古景长春从康乐世溯降生辰天遣老成旋气运当幸福年祝无量寿人同国祚永灵长天增岁月人增寿春满人间福满门百年和合寿星聚千载富贵福光满四时集庆笑口常开五福呈祥慈云永护青松多寿色丹桂有丛香鸾凤和鸣昌百世麒麟瑞叶庆千龄人增高寿天转阳和福如东海寿比南山名高北斗寿比南山松苍柏翠人寿年丰呈辉南极霞焕椿庭蝉鸣高柳鹤栖长松德为世重寿以人尊福如东海大寿比南山高松龄长岁月鹤语纪春秋佳辰逢岳降瑞气霭春晖寿添沧海日松祝小春天愿献南山寿先开北斗樽北斗临台座南山献寿杯紫气通南极青云动北莱灵芝望三秀玉树起千寻心宽能增寿德厚可延年福临寿星门第春驻年迈人家紫气辉连南极丹心彩映北楼乃文乃武乃寿如竹如梅如松福禄寿三星拱照天地人六合同春东海白鹤千秋寿南岭青松万载春举杯同歌无量寿开杯共醉小阳春福星高照满庭庆寿诞生辉合家欢周天行健人常健九日登高寿更高屏风家尽香山花笠风人称玉局仙银花火树开佳节玉液琼浆作寿杯丹室晓传香鸟宇瑶池时进白云霞青霜不老千年鹤锦鲤高腾太液波凤高渐展摩天翼山翠遥添献寿杯寿域宏开松显劲春堂众庆鹤含欢碧露新滋三春草紫云长护九如松喜逢盛世频增寿乐度晚年再添光壮志凤飞逸情云上灵芝献瑞仙鹤同年含和履巾执义秉德驾福乘喜获寿保年璞玉浑金是寿者相碧梧翠竹得气之清福禄光明使君寿考吉善长久宜我子孙生逢盛世福如东海乐享高龄寿比南山宜我子孙受德之佑使君寿考与福相迎精神矍铄似东海云鹤身体老健如南山劲松乐享遐龄寿比南山松不老欣逢盛世福如东海水和流蓬莱仙界幻如蜃楼在此地南极寿星恰似画者是斯人羡今嗣学富五车誉满城乡豪爽高飞标美望祝上寿筹添鹤算欢承禄养椿庭爱日驻长春天地同寿日月齐光福同海阔寿与天齐名高北斗寿以人樽樽开北海曲奏南薰。
平水韵一览表（106韵部）
平⽔韵⼀览表（106韵部）尽管⼩编个⼈认为《平⽔韵》已是过去式，不符合当下⼈们的语⾔习惯，但从普及传统⽂化和诗词常识的⾓度来说，要了解唐诗，读懂唐诗，还是要熟知《平⽔韵》。
《平⽔韵》是依据唐⼈⽤韵情况，把汉字划分成106个韵部（其书今佚），是更早的206韵的《⼴韵》的⼀种略本。
每个韵部包含若⼲字，作律绝诗⽤韵，其韵脚的字必须出⾃同⼀韵部，不能出韵、错⽤。
清代康熙年间，后⼈所编的《佩⽂韵府》把《平⽔韵》并为106个韵部，这就是⼴为流传的平⽔韵。
需要说明的是，《平⽔韵》中由于平声字较多，⽽且律诗⼀般只押平声韵，所以分为上平和下平。
⽽“上、去、⼊”都属于仄声。
简单来说，汉语拼⾳中的⼀声、⼆声即为平声；三声、四声即为仄声。
⾃古便有“平声”平道莫低昂，“上声”⾼呼猛烈强，“去声”分明哀远道，“⼊声”短促急收藏的说法。
由于现在通⾏的普通话是以北京⽅⾔为主，⽽北京⽅⾔属于北⽅语系，所以普通话中已经没有“⼊”声字了。
古代的“⼊”声字仅有部分南⽅⽅⾔中有所保留，在普通话中归⼊其他声调。
平声上平⼀东、⼆冬、三江、四⽀、五微、六鱼、七虞、⼋齐、九佳、⼗灰、⼗⼀真、⼗⼆⽂、⼗三元、⼗四寒、⼗五删。
下平⼀先、⼆萧、三肴、四豪、五歌、六⿇、七阳、⼋庚、九青、⼗蒸、⼗⼀尤、⼗⼆侵、⼗三覃、⼗四盐、⼗五咸。
上平⼀东东同童僮铜桐峒筒瞳中[中间]衷忠盅⾍冲终忡崇嵩[崧]菘戎绒⼸躬宫穹融雄熊穷冯风枫疯丰充隆窿空公功⼯攻蒙濛朦瞢笼胧栊咙聋珑砻泷蓬篷洪荭红虹鸿丛翁嗡匆葱聪骢通棕烘崆上平⼆冬冬咚彤农侬宗淙锺钟龙茏舂松凇淞冲容榕蓉溶庸佣慵封胸凶匈汹雍邕痈浓脓重[重复]从[服从]逢缝峰锋丰蜂烽葑纵[纵横]踪茸蛩邛筇跫供[供给]蚣喁上平三江江缸窗邦降[降伏]双泷庞撞豇扛杠腔梆桩幢跫[冬韵同]上平四⽀⽀枝肢移[⽵移]为[施为]垂吹陂碑奇宜仪⽪⼉离施知驰池规危夷师姿迟龟眉悲之芝时诗棋旗辞词期祠基疑姬丝司葵医帷思滋持随痴维卮麋螭麾墀弥慈遗肌脂雌披嬉⼫狸炊湄篱兹差[参差]疲茨卑亏蕤骑[跨马]歧岐谁斯澌私窥熙欺疵赀羁彝髭颐资糜饥衰锥姨夔祗涯[佳、⿇韵同]伊追蓍缁萁箕椎罴篪萎匙脾坻嶷治[治国]骊綦怡尼漪牺饴⽽鸱推[灰韵同]陲魑锤缡璃羸帔蘼芪畸羲曦欹猗崎崖筛狮蛳绥虽粢瓷嫠痍惟唯机耆逵岿丕毗枇貔楣霉辎蚩嗤媸飔埘莳鲥鹚笞漓贻禧噫其琪祺麒栀鹂累踟琵祁骐訾咨睢馗胝鳍蛇[委蛇]陴淇丽[地名]厮⽒[⽉⽒]僖嘻琦怩熹孜罹磁痿隋逶郦嵋椅[⾳漪,⽊名]上平五微微薇晖辉徽挥韦围帏违闱霏菲[芳菲]妃飞⾮扉肥威祈畿机⼏[微也、如见⼏]讥玑稀希⾐[⾐服]依归饥[⽀韵同]矶欷诽绯晞葳巍沂圻颀上平六鱼鱼渔初书舒居裾琚车[⿇韵同]渠蕖余予[我也]誉[动词]舆胥狙锄疏蔬梳虚嘘墟徐猪闾庐驴诸储除滁蜍如畲淤妤苴菹沮徂龉茹榈於祛蘧疽蛆醵纾樗躇[药韵同]欤据[拮据]上平七虞虞愚娱隅⽆芜巫于衢癯瞿氍儒襦濡须需朱珠株诛朱铢蛛殊俞瑜榆愉逾渝窬谀腴区躯驱岖趋扶符凫芙雏敷麸夫肤纡输枢厨俱驹模谟摹蒲逋胡湖瑚乎壶狐弧孤辜姑觚菰徒途涂荼图屠奴吾梧吴租卢鲈炉芦颅垆蚨孥帑苏酥乌污[污秽]枯粗都茱侏姝禺拘嵎蹰桴俘臾萸吁滹瓠糊醐呼沽酤泸舻轳鸬驽匍葡铺[铺盖]菟诬呜迂盂竽趺⽏孺酴鸪骷刳蛄晡蒱葫呱蝴劬殂猢郛孚上平⼋齐齐黎犁梨妻[夫妻]萋凄堤低题提蹄啼鸡稽兮倪霓西栖犀嘶撕梯鼙赍迷泥溪蹊圭闺携畦嵇跻奚脐醯黧蠡醍鹈奎批砒睽荑篦齑藜猊蜺鲵羝上平九佳佳街鞋牌柴钗差[差使]崖涯[⽀⿇韵同]偕阶皆谐骸排乖怀淮豺侪埋霾斋槐[灰韵同]睚崽楷秸揩挨俳上平⼗灰灰恢魁隈回徊槐[佳韵同]梅枚玫媒煤雷颓崔催摧堆陪杯醅嵬推[⽀韵同]诙裴培盔偎煨瑰茴胚徘坯桅傀儡[贿韵同]莓开哀埃台苔抬该才材财裁栽哉来莱灾猜孩徕骀胎唉垓挨皑呆腮上平⼗⼀真真因茵⾟新薪晨⾠⾂⼈仁神亲申⾝宾滨槟缤邻鳞麟珍瞋尘陈春津秦频苹颦濒银垠筠⼱囷民岷泯[轸韵同]珉贫莼淳醇纯唇伦轮沦抡匀旬巡驯钧均榛莘遵循甄宸纶椿鹑屯呻粼嶙辚磷呻伸绅寅姻荀询峋氤恂嫔彬皴娠闽纫湮肫逡菌臻豳上平⼗⼆⽂⽂闻纹蚊云分[分离]氛纷芬焚坟群裙君军勤⽄筋勋薰曛醺芸耘芹欣氲荤汶汾殷雯贲纭昕熏上平⼗三元元原源沅鼋园袁猿垣烦蕃樊喧萱暄冤⾔轩藩媛援辕番繁翻幡璠鸳鹓蜿湲爰掀燔圈谖魂浑温孙门尊[樽]存敦墩炖暾蹲豚村屯囤[囤积]盆奔论[动词]昏痕根恩吞荪扪昆鲲坤仑婚阍髡馄喷狲饨臀跟瘟飧棔上平⼗四寒寒韩翰[翰韵同]丹单安鞍难[艰难]餐檀坛滩弹残⼲肝竿阑栏澜兰看[翰韵同]刊丸完桓纨端湍酸团攒官观[观看]鸾銮峦冠[⾐冠]欢宽盘蟠漫[⼤⽔貌]叹[翰韵同]邯郸摊玕拦珊狻鼾杆跚姗殚箪瘅谰獾倌棺剜潘拼[问韵同]盘般蹒瘢磐瞒谩馒鳗钻抟邗汗[可汗]上平⼗五删删潸关弯湾还环鬟寰班斑蛮颜奸攀顽⼭闲艰间[中间]悭患[谏韵同]孱潺擐圜菅般[寒韵同]颁鬘疝讪斓娴鹇鳏殷[⾚⿊⾊]纶[纶⼱]下平⼀先先前千阡笺天坚肩贤弦烟燕[地名]莲怜连⽥填巅鬈宣年颠牵妍研[研究]眠渊涓捐娟边编悬泉迁仙鲜[新鲜]钱煎然延筵毡旃蝉缠廛联篇偏绵全镌穿川缘鸢旋船涎鞭专圆员乾[乾坤]虔愆权拳椽传焉嫣鞯褰搴铅舷跹鹃筌痊诠悛先邅禅婵躔颛燃涟琏便[安也]翩骈癫阗钿[霰韵同]沿蜒胭芊鳊胼滇佃畋咽湮狷蠲蔫骞膻扇棉拴荃籼砖挛儇璇卷[曲也]扁[扁⾈]单[单于]溅[溅溅]犍下平⼆萧萧箫挑貂刁凋雕迢条髫调[调和]蜩枭浇聊辽寥撩寮僚尧宵消霄绡销超朝潮嚣骄娇蕉焦椒饶硝烧[焚烧]遥徭摇谣瑶韶昭招镳瓢苗猫腰桥乔娆妖飘逍潇鸮骁祧鹪鹩缭獠嘹夭[夭夭]⼳邀要[要求]姚樵谯憔标飚嫖漂[漂浮]剽佻龆苕岧噍哓跷侥了<明了>魈峣描钊轺桡铫鹞翘枵侨窑礁下平三肴肴巢交郊茅嘲钞包胶苞梢姣庖匏坳敲胞抛蛟崤鵁鞘抄蝥咆哮凹淆教[使也]跑艄捎⽘咬铙茭炮[炮制]泡鲛刨抓下平四豪豪劳毫操[操持]髦绦⼑萄猱褒桃糟旄袍挠[巧韵同]蒿涛皋号[号呼]陶鳌曹遭羔糕⾼搔⽑艘滔骚韬缫膏牢醪逃濠壕饕洮淘叨啕篙熬遨翱嗷臊嗥尻鏖螯獒敖牦漕嘈槽掏唠涝捞痨芼下平五歌歌多罗河⼽阿和[和平]波科柯陀娥蛾鹅萝荷[荷花]何过[经过]磨[琢磨]螺⽲珂蓑婆坡呵哥轲沱鼍拖驼跎佗[他]颇[偏颇]峨俄摩么娑莎迦疴苛蹉嵯驮箩逻锣哪挪锅诃窠蝌髁倭涡窝讹陂鄱皤魔梭唆骡挼靴瘸搓哦瘥酡颏下平六⿇⿇花霞家茶华沙车[鱼韵同]⽛蛇⽠斜邪芽嘉瑕纱鸦遮叉奢涯[⽀佳韵同]巴耶嗟遐加笳赊槎差[差错]蟆骅虾葭袈裟砂衙呀琶耙芭杷笆疤爬葩些[少也]佘鲨查楂渣爹挝咤拿椰珈跏枷迦痂茄桠丫哑划哗夸胯抓洼呱下平七阳阳杨扬⾹乡光昌堂章张王房芳长塘妆常凉霜藏场央泱鸯秧嫱床⽅浆觞梁娘庄黄仓皇装殇襄骧相湘箱缃创忘芒望尝偿樯枪坊囊郎唐狂强肠康冈苍匡荒遑⾏妨棠翔良航倡伥羌庆姜僵缰疆粮穰将墙桑刚祥详洋徉佯粱量⽺伤汤鲂樟彰漳璋猖商防筐煌隍凰蝗惶璜廊浪当裆珰沧纲亢吭潢钢丧盲簧忙茫傍汪臧琅当庠裳昂障糖疡锵杭邙赃滂禳攘瓤抢螳踉眶炀阊彭蒋亡殃蔷镶孀搪彷胱磅膀螃下平⼋庚庚更[更改]羹盲横[纵横]觥彭亨丁英烹平枰京惊荆明盟鸣荣莹兵兄卿⽣甥笙牲擎鲸迎⾏[⾏⾛]衡耕萌甍宏闳茎罂莺樱泓橙争筝清情晴精睛菁晶旌盈楹瀛嬴赢营婴缨贞成盛[盛受]城诚呈程酲声征正[正⽉]轻名令[使令]并[并州]倾萦琼峥嵘撑粳坑铿撄鹦黥蘅澎膨棚浜坪苹钲伧檠嘤轰铮狰宁狞瞪绷怦璎砰氓鲭侦柽蛏茔赪茕赓黉瞠下平九青青经泾形陉亭庭廷霆蜓停仃馨星腥醒[醉醒]惺俜灵龄玲铃伶零听[径韵同]冥溟铭瓶屏萍荧萤荣扃垧蜻硎苓聆瓴翎娉婷宁暝瞑螟猩钉疔叮厅町泠棂囹羚蛉咛型邢下平⼗蒸蒸烝承丞惩澄陵凌绫菱冰膺鹰应[应当]蝇绳升缯凭乘[驾乘,动词]胜[胜任]兴[兴起]仍兢矜征[征求]称[称赞]登灯僧憎增曾矰层能朋鹏肱薨腾藤恒罾崩滕誊崚嶒姮塍冯症簦瞢凝[径韵同]棱楞下平⼗⼀尤尤邮优忧流旒留骝榴刘由油游猷悠攸⽜修羞秋周州洲⾈酬雠柔俦畴筹稠丘邱抽瘳遒收鸠搜驺愁休囚求裘仇浮谋牟眸侔⽭侯喉猴讴鸥楼陬偷头投钩沟幽纠啾楸蚯踌绸惆勾娄琉疣犹邹兜呦咻貅球蜉蝣辀帱阄瘤硫浏庥湫泅酋瓯啁飕鍪篌抠篝诌骰偻沤[⽔泡,名词]蝼髅搂欧彪掊虬揉蹂抔不[与有韵'否'通]瓿缪[绸缪]下平⼗⼆侵侵寻浔临林霖针箴斟沈⼼琴禽擒衾钦吟今襟[衿]⾦⾳阴岑簪[覃韵同]壬任[负荷]歆森禁[⼒所胜任]祲喑深琛涔骎参[参差]忱淋妊掺参<⼈参>椹郴芩檎琳蟫愔喑黔嵚沉下平⼗三覃覃潭参[参考]骖南楠男谙庵含涵函[包函]岚蚕探贪耽眈龛堪谈⽢三酣柑惭蓝担簪[侵韵同]谭昙坛婪戡颔痰篮褴蚶憨泔聃邯蟫[侵韵同]下平⼗四盐盐檐廉帘嫌严占[占⼘]髯谦奁纤签瞻蟾炎添兼缣沾尖潜阎镰黏淹钳甜恬拈砭詹蒹歼黔钤佥觇崦渐鹣腌襜阉下平⼗五咸咸函[书函]缄岩谗衔帆衫杉监[监察]凡馋芟搀喃嵌掺巉仄韵上声⼀董、⼆肿、三讲、四纸、五尾、六语、七麌、⼋荠、九蟹、⼗贿、⼗⼀轸、⼗⼆吻、⼗三阮、⼗四旱、⼗五潸、⼗六铣、⼗七筱、⼗⼋巧、⼗九皓、⼆⼗哿、⼆⼗⼀马、⼆⼗⼆养、⼆⼗三梗、⼆⼗四迥、⼆⼗五有、⼆⼗六寝、⼆⼗七感、⼆⼗⼋琰、⼆⼗九豏。
不可分割的血脉与学脉——徐霞客学风的家族文化探源
第 １ 卷第 １ Ｏ 期
不 可 分 割 的 血 脉 与 学 脉
— —
徐霞 客学风 的家族文化探源
蒋 明 宏
（ 江南大学 师范学院 ，江苏 无锡 ２４２ ） １０５
摘 要：江阴徐霞客家族有着颇具个性的文化传统，主要表现为富于藏书、文子文孙、学风标新、重 视立言等特点。这些家族文化特点为明朱科学伟人徐霞客学风的形成提供 了丰富养分，对其科学考察事业
养分 ，家族 的文化传统更 给了 他清清的源头 活水 。 文籍 之 富 ，侔 于木 天 明代 的江 阴徐霞客家族 （ 祖居江阴梧塍 ，即今
祝塘 乡大 宅里 ，又称 “ 梧塍徐 氏” ）曾是江南 巨富 ，
段资料表明： 徐麒继承先祖之余绪 ， 颇好藏书，且 藏 书量甚为丰富 ，还特辟一室藏 书 ，题名 “ 心远书
・
９ ・ ２
维普资讯
籍”３。徐元 寿 （ 颐 次 子 ，又名 尚德 ，字 若 容 ， Ｌ Ｊ 徐
摆设 、夸 富有 。 “ 其居也 田园 ，其业 也诗 书” ， …糟
号纳斋 ）曾筑 “ 万卷楼 ” “ 中积 书万卷”【卷３ ， 楼 ，Ｊ５
尹 ，权力 之便 ，加之个 人爱好 ，有条 件收藏 “ 中原
而 自号 “ 远” 心 。在 徐霞 客家 族 的财 产积 聚 中 ，徐
麒 是位 十分重要 的人物 ，在增 加藏书方面 ，也 是个 有 特殊贡献 的人物 ， “ 田” 与 “ 辟 积书 ”在 他 身上
得到了统一 。
徐麒以后 ，徐霞客家族代代都有筑书屋 、书楼 藏书故事。徐麒 之子徐志 （ 景南 ，号退庵 ，又号 字 梅雪 ） “ 尝筑 室数 橡 ，玩读 经史 ” ］５。徐 态 之子 ［卷 ３
寿联大全集锦
寿联大全集锦福如东海老骥伏枥寿比南山余热生辉福同海阔大德必寿寿与天齐美意延年松苍柏翠星辉南极人寿年丰霞焕椿庭地天同寿立功立德日月齐光寿国寿民人歌上寿幸逢盛世喜迎新岁春云霭瑞天与遐龄乐享遐龄欢度晚年宝婺腾辉人增高寿寿同山永仁慈殷实颐性养寿天转阳和福共天长获寿保年屡获喜祥名高北斗一景悬宝婺福临寿星门寿比南山九酝湛金觞春到劳动家梅开北海福如东海大鹤算千年寿曲奏南薰寿比南天高松龄万古春与乾坤为寿松柏长春茂寿添沧海日和日月齐光颐年养性情松祝晓春天声名高北斗松龄长岁月灵芝望三秀甲子配南山鹤语记春秋玉树起千寻青松多寿色松柏多寿色性情陶乐礼丹桂有丛香菊桂有清香年力富春秋菊水人皆寿树老多神韵泰岱松千尺桃源境如仙年高有雅情丹山凡九苞榴花红献瑞高风传乡里野鹤无凤质柏叶翠凝香亮节昭后人寒松有本心岁老根弥壮紫气通南极如梅花挺秀阳骄叶更荫青云动北莱似松树长青寿考征宏福仙鹤千年寿松柏老而健和平享天年苍松万古春芝兰清且香松心应耐雪岁大勤活动松鹤千年寿鹏力会冲天年高喜健康子孙万代长松高枝叶茂、寿同山峦老佳辰逢岳降鹤老羽毛丰福共海天长瑞气霭春晖南山欣作颂南山高如寿花争秋后美北海喜开樽北海福满樽人敬老来红绿琪千岁树人间春酿熟长青松有色明月一池莲天上寿星明高寿域无疆人间尝佳酿光景天天好古松千岁树世上乐寿星寿辰岁岁增明月一池莲北斗临台座平安添百福九如天作保南山献寿诗长寿价千金五福寿为先人老心不老山阴春草发仁者无量寿年高志愈高松老白云多此翁更精神云霞成异彩盛世长青树松龄长岁月松柏表清姿高龄老寿星鹤算记春秋白鹤翔万里野鹤无凡质幸福征寿考红桃寿千秋寒松有本心大年享太平人老一身劲福如东海阔筵前倾菊酿花明满眼春寿比南山高堂上祝椿龄心宽能增寿松高显劲节德藻遐龄迈德高可延年梅老正精神威宣武节扬上苑梅花早乃文乃武乃寿蟠桃已结瑶池露仙阶柏叶荣如梅如竹如松玉树交联阆苑春灵芝呈五色生命在于运动蟠桃捧日三千岁玉树起千寻长寿因之勤劳吉柏参天五十围青龙攀玉树紫气辉连南极香山梅鹤饶清福自虎架金桥丹心彩映北楼宅地神仙占大春颂献南山寿汉柏秦松骨气长寿幸逢好社会祥开北斗樽商彝夏鼎精神高龄全靠新中华椿树千寻碧瑶草奇葩不谢东海白鹤千秋寿蟠桃几度红青松翠柏常青南岭青松万载春福与山河共在福星高照满庭庆年高喜赏登高节寿和日月同辉寿诞生辉合家欢秋老还添不老春指南山而作颂福禄寿三星共照红梅绿竹称佳友倾北海以为樽天地人六合同春翠柏苍松耐岁寒笑指南山作颂福如东海长流水华屋常悬仁寿镜喜倾北海为樽寿比南山不老松高堂盛放吉祥花仁者有寿者相福海朗照千秋月足食足衣晚景好福人得古人风寿域光涵万里天勤耕勤种夕阳红诗咏兰台歌上座稀龄喜晋长春酒天上众星拱北斗樽开北海乐天忧盛世欣开松鹤图世间无水不朝东幸福门前松柏秀琥珀盏斟千岁酒心地光明宜福寿安乐堂上步履轻琉璃瓶种四时花精神爽朗自康强室有芝兰春自秀霄汉鹏程腾九万云霞辉映千年鹤人如松柏岁长新锦堂鹤算颂三千雨露滋润九畹兰庭前多种忘忧草春日融和欣祝寿风高渐展摩天翼头上新簪益寿花寿星光耀喜迎春山翠遥添献寿杯南极星临衡岳朗柏节松心宜晚翠凤凰枝上花如锦北堂萱映海天明童颜鹤发胜当年松菊堂中人比年春放百花晴献寿桂馥兰馨春不老白雪欢歌翻寿曲云呈五色晓开樽年高德邵福无穷淡云坚石傲松年高龄稔许同龟鹤菊花潭里人同寿年高喜看花千树瑞世应知有凤毛扬子江头海不波人寿笑敬酒一杯堂前燕舞迎春舞紫毫粉壁题仙籍自是牡丹真富贵院内莺歌祝寿歌玉液琼醪作寿杯果然松柏老精神紫松树里千年鹤千尺松筠霜后翠行可楷模争称德清风池边五色云五云花浩日边红寿如松柏岁长春寿同松柏千年碧几行红树来佳气健身妙术为劳动品似芝兰一味清一抹青山是寿眉长寿良方是乐观杏花雨润韶华灿健体欣逢家国盛常思进取忘年老椿树云深淑景长高龄不论子孙多未敢蹉跎度韶华青霜不老千年鹤寿域无涯宜友鹤年丰喜看花千树锦鲤高腾太液波童心不老为观花人寿笑斟酒一杯胸怀淡泊人长寿彩笔不随年岁老人在家乡心在国心气平和体健康华章偏映夕阳红操如松柏节如梅大好时光挥余热海屋有筹多附鹤朱颜醉映丹枫色太平盛世祝退龄春城无处不飞花华发疏同老鹤形人上征途心不老年高喜赏登高节万里云霞开寿域志朝峰顶景长春秋老还添不老春满园桃李颂春风大鸟鹏飞九万里苍龙日暮还行雨已为老骥常嘶枥蟠桃果熟三千年老树春深更著花化作春泥更护花足食丰衣晚景好桃李第随春水绿天上星辰长作伴勤耕苦读老来红桑榆偏向夕阳红人间松柏不知年身似西方无量佛不愁老圃秋容淡千岁蟠桃开寿域寿如南岳老人星犹有黄花晚节香九重春色映霞觞文移北斗成天象岁序更新添寿考芝兰气味松筠态日棒南山作寿杯江山竞秀显英才龙马精神鸥鹤姿一阳喜见天心夏青春四海抒豪气花开红杏酣春色五福还推人寿先白首九州写壮怀．酒进南山作寿杯万斛秋香飘宇宙爱日恩深歌长寿青松增寿年年寿五方佳气接蓬莱慈云瑞霭乐延年丹桂飘香户户香五色云中三瑞草人如天上珠星聚松风高驻千年鹤九重天上万年松春到筵前柏酒香玉露长滋五色芝北海清樽开黛色万壑松风增寿色露润青松多寿色高堂华宇照春晖四时花鸟壮诗情月明丹桂酿灵根福禄光明使君寿考北极同荣南极同寿吉善长久宜我子孙灵芝为圃丹桂为林福寿无边国恩家庆南极辉腾彤云瑞霭今昨殊异苦尽甘来西池宴会绛雪香芳红杏在林寿征二月景星庆云和风甘雨碧桃满树时待三春醴泉芝草雪藕冰桃红灯高照福庆长乐白发朱颜宜登上寿爆竹连声寿祝久安丰衣足食乐享晚年体健身强宏开寿域诗谱南山筵开西序孙贤子孝欢度晚年樽倾北海彩绚东阶添福添寿年高卫武序届阳春春同松柏如松如柏算似庄椿寿称同瑞瑞献芙蓉璞玉浑金是寿者相得古人风有为有守碧梧翠竹得气之清惟仁者寿如冈如陵鹤发童颜宜登上寿绿野云开丹崖春霁丰衣足食乐享晚年瑶池桃熟海屋筹添寿酒盈樽春风满座家家喜见松鹤千年寿嵩山比峻南极生辉处处笑迎祖国万代春白发朱颜宜登上寿老境如饴恩归新时代丰衣足食颐养天年人生多福功赖改革风北国开樽西园载酒精神矍铄似东海云鹤南山献寿东阁宴宾身体健康如南山劲松子敬孙贤福如东海穷且弥坚不坠青云之志体强身健寿比南山老当益壮当珍皓首余晖大德仁翁多福多寿天上太阳光照山河万里南山松柏越老越坚人间高寿喜看兰桂盈庭飒飒金风声奏丰收乐曲四海皆春万里云霞开寿城朗朗秋月光照长寿人家百花竞艳一梁雏燕闹华堂一片冰心柏节松贞持晚景蓬莱仙境幻若蜃楼生此地满庭瑞气兰芳桂实灿朝霞南极寿星真如图画是斯人乐享遐龄寿比南山松不老曲谱南薰四月清和逢首夏生逢盛世福如东海水长流樽开北海一家欢乐庆长春福地人勤荷锄载月三星朗乾坤为寿桂馥兰芳清山翠南山寿考傲雪凌霜一柏坚日月齐光花明柳媚碧水长冰冷霜寒五岳劲松曾傲雪恩德盖世共乐光天呼万岁风和日暖一城古柳尚争春功勋耀祖宏开寿域祝千秋吞吐风云大鹏九万里驰南北沉酣泉石灵椿八千岁为春秋瑞气满乡村人与青山同不老暖风吹大地心随绿野共丰收以下无正文仅供个人用于学习、研究；不得用于商业用途。
颐年堂的企业文化
颐年堂的企业文化浅析摘要:有位名人的企业家说过小企业靠人性，中等企业靠管理，大企业靠文化。
文章在对颐年堂企业文化分析的基础上面，提出了利用好企业文化，对企业可持续经营和发展，起到良性的推动作用．关键词：颐年堂企业文化企业发展笔者自创立颐年堂以来，借鉴世界五百强以及中国五百强企业的文化，创立颐年堂的企业文化，希望对读者有所借鉴，并批评指正。
颐年堂是哈药集团金晚霞科技开发分公司、泰尔力图医疗保健用品有限公司、北京莱福赛茵生物工程有限公司、大连连泰科技开发有限公司、武汉英吉新技术产业有限责任公司合作的医疗保健品公司。
努力创建上海市关爱中老年健康服务第一品牌。
颐年堂始终坚持以质量第一、服务第一为企业的核心竞争力。
以普及健康知识、传播健康文化、树立健康观念、经营健康产业为经营宗旨，以关爱中老年健康为己任，以健康人为在为最终目标，整合有效的医疗保健产品，以纳米技术和转基因技术为主导，服务于人类健康。
迄今，以覆盖上海市区、郊区、浙江、江苏等四十多家健康服务中心每天服务广大中老年约三千多人，开展科普讲座约两百多场，受众约二十多万人。
颐年堂的企业文化[1]如下：一个中心以市场为中心，具有使命感，借鉴《钢铁是怎样炼成的》保尔柯察金的一句话，完成员工誓词。
人最宝贵的是生命，生命对于每个人来说只有一次，人的一生应该这样度过，回首往事，他不会因虚度年华而悔恨，也不会因卑鄙庸俗而羞愧。
临终之际，他能够说：“我的整个生命和全部精力，都献给了世界上最壮丽的事业——为健康人类而贡献”。
一个中心是以市场为中心，主题突出，营销型公司应该以市场为中心，所有的一切都是为市场服务，让市场进入到每个管理者和员工的头脑意识中。
二个基本点是一手抓老顾客服务，一手抓新顾客的开发，很多保健品公司开发了大量的老顾客，但重复购买的不多，因为没有把老顾客服务好，也没有重视他们，相反，他们服用效果不佳的话还会带来负面的宣传，另一手要抓住新顾客，没有新顾客不可能带来销售额的增加，新顾客带来的是新的效益，所以要一手抓老顾客的服务，一手抓新顾客的开发，才能永保企业的经营活力。
教师退休欢送会致辞（通用25篇）
教师退休欢送会致辞教师退休欢送会致辞（通用25篇）在学习、工作、生活中，大家对致辞都不陌生吧，致辞是向他人表达思想感情用的文字或语言。
那么什么样的致辞才是好的致辞呢？以下是小编收集整理的教师退休欢送会致辞，欢迎大家借鉴与参考，希望对大家有所帮助。
教师退休欢送会致辞篇1尊敬的领导老师们：下午好！五月的鲜花分外香。
从本月起，我们学校的xx老校长正式告别讲台，从教育战线上光荣退休了。
今天，我们会聚一堂，举行一个简朴的仪式，算是依依道别吧！祝贺苏老师！弹指一挥间，悠悠四十年。
从二十而立的英俊小伙子到人生的花甲之年，苏老师把山霞、把青山片当作第二个故乡，从教师、到行政、到校长，把青春、把人生绝大部分的黄金岁月，都奉献给这一片热土，甘为人梯，辛勤耕耘，无怨无悔，多么不容易啊！近十年来，和苏老师相处的九年来，也就是他退到二线以来，更深深感到苏老师是一位善良爽朗、率真可爱、朴实诚信、踏实勤恳的长者。
在工作生活中，他不计得失，任劳任怨，尽心竭力，出色地作好学校的安全和后勤工作。
他有着良好的健康的年轻的心态，和老师们友好的相处，有时有着顽童般的幽默和可爱，对学校行政真诚鼎力的支持，给我给大家留下深刻的印象，让我感动不已！临离开之际，苏老师送给学校两样礼物：一是利用课余时间清点一份详实的校产清单；二是无偿的把功课上到本学期结束。
老教师是学校宝贵的精神财富。
苏老师优秀的品德是我们后辈学习榜样！将作为我们学校的优良校风之一传承下去！在此，让我们再次以热烈的掌声对苏老师多年的付出和无私奉献深表敬意！最后，祝xx老师健康长寿！家庭幸福、快乐！教师退休欢送会致辞篇2尊敬的领导老师们：下午好！今天，我们在这里举行一个俭朴而隆重的欢送会，欢送xx老师光荣退休。
xx老师，xx年参加工作，xx年x月开始幼教工作，工龄xx 年、教龄xx年。
xx年x月调入我们实验幼儿园任教。
xx老师忠诚党的教育事业，有着良好的职业道德，教书育人，为人师表。
大数据分析的分布式技术22
软件学报ISSN 1000-9825, CODEN RUXUEW E-mail: jos@Journal of Software,2014,25(4):731−752 [doi: 10.13328/ki.jos.004569] +86-10-62562563 ©中国科学院软件研究所版权所有. Tel/Fax:∗大数据分析的分布式MOLAP技术宋杰1, 郭朝鹏1, 王智1, 张一川1, 于戈2, Jean-Marc PIERSON31(东北大学软件学院,辽宁沈阳 110819)2(东北大学信息科学与工程学院,辽宁沈阳 110819)3(Laboratoire IRIT, Université Paul Sabatier, Toulouse F-31062, France)通讯作者: 宋杰, E-mail: songjie@, /songjie/摘要: 大数据的规模效应给数据存储、管理以及数据分析带来了极大的挑战,学界和业界广泛采用分布式文件系统和MapReduce编程模型来应对这一挑战.提出了大数据环境中一种基于Hadoop分布式文件系统(HDFS)和MapReduce编程模型的分布式MOLAP技术,称为DOLAP(distributed OLAP).DOLAP采用一种特殊的多维模型完成维和度量的映射;采用维编码和遍历算法实现维层次上的上卷下钻操作;采用数据分块和线性化算法将维和度量保存在分布式文件系统中;采用数据块选择算法优化OLAP的性能;采用MapReduce编程模型实现OLAP操作.描述了DOLAP在科学数据分析的应用案例,并与主流的非关系数据库系统进行性能对比.实验结果表明,尽管数据装载性能略显不足,但DOLAP的性能要优于基于HBase,Hive,HadoopDB,OLAP4Cloud等主流非关系数据库系统实现的OLAP性能.关键词: 大数据;多维数据模型;OLAP;MapReduce中图法分类号: TP311文献标识码: A中文引用格式: 宋杰,郭朝鹏,王智,张一川,于戈,Pierson JM.大数据分析的分布式MOLAP技术.软件学报,2014,25(4):731−752./1000-9825/4569.htm英文引用格式: Song J, Guo CP, Wang Z, Zhang YC, Yu G, Pierson JM. Distributed MOLAP technique for big data analysis.Ruan Jian Xue Bao/Journal of Software, 2014,25(4):731−752 (in Chinese)./1000-9825/4569.htmDistributed MOLAP Technique for Big Data AnalysisSONG Jie1, GUO Chao-Peng1, WANG Zhi1, ZHANG Yi-Chuan1, YU Ge2, Jean-Marc PIERSON31(Software College, Northeastern University, Shenyang 110819, China)2(School of Information and Engineering, Northeastern University, Shenyang 110819, China)3(Laboratoire IRIT, Université Paul Sabatier, Toulouse F-31062, France)Corresponding author: SONG Jie, E-mail: songjie@, /songjie/Abstract: To address the new challenges that big data has brought on data storage, management and analysis, distributed file systemsand MapReduce programming model have been widely adopted in both industry and academia. This paper proposes a distributed MOLAPtechnique, named DOLAP (distributed OLAP), based on Hadoop distributed file system (HDFS) and MapReduce program model. DOLAPadopts the specified multidimensional model to map the dimensions and the measures. It comprises the dimension coding and traversealgorithm to achieve the roll up operation on dimension hierarchy, the partition and linearization algorithm to store dimensions andmeasures, the chunk selection strategy to optimize OLAP performance, and MapReduce to execute OLAP. In addition, the paper describesthe application case of the scientific data analysis and compares DOLAP performance with other dominate non-relational data∗基金项目: 国家自然科学基金(61202088); 中央高校基本科研业务费专项资金(N120817001); 中国博士后科学基金面上项目(2013M540232); 教育部博士点基金(20120042110028); 教育部-英特尔信息技术专项科研基金(MOE-INTEL-2012-06)收稿时间:2013-10-15; 修改时间: 2013-12-18; 定稿时间: 2014-01-27732 Journal of Software软件学报 V ol.25, No.4, April 2014management systems. Experimental results show that huge dominance in OLAP performance of the DOLAP technique over an acceptable performance lose in data loading.Key words: big data; multi-dimensional data model; OLAP; MapReduce近年来,随着大数据时代的到来以及互联网、传感器和科学数据分析等领域的快速发展,数据量近乎每年在成倍地增长[1].无论是在科学领域(生物学、地理学、天文学、气象学等),还是在工程领域(网络数据分析、市场数据分析等),都面临着数据雪崩的问题[2],大数据的规模效应给数据存储、管理以及数据分析带来了极大的挑战[3,4].OLAP(on-line analytical processing)联机分析处理是共享多维信息的、针对特定问题的联机数据访问和分析的快速软件技术[5],OLAP按照其实现方式不同,可以分为3种类型,分别是ROLAP,MOLAP和HOLAP[6].其中,ROLAP采用关系表存储维信息和事实数据;MOLAP则采用多维数据结构存储维信息和事实数据;而HOLAP称其为混合OLAP,该方法结合了ROLAP和MOLAP技术[7].无论是何种OLAP,都需要存储和计算平台的支持,尤其是在大数据环境下.为了解决大数据所带来的诸多挑战,学界和业界涌现出许多新技术,如分布式文件系统[8]、NoSQL数据库系统[9]、MapReduce编程模型[10]以及相关的优化方法,这些技术都被广泛地运用到大数据分析中.MapReduce 编程模型是广为人知的可扩展、灵活且高效的分布式编程框架.Hadoop是MapReduce的开源实现,可对海量数据进行可靠、高效、可扩展的并行处理.基于Hadoop[11]的实现,涌现出大量的分布式数据管理系统,并广泛地运用在大数据管理和分析领域,如Hive[12],HBase[13],HadoopDB[14]等.一方面,尽管这些数据管理系统均可支持OALP,但其性能往往不尽如人意.例如,基于HBase的OLAP引擎OLAP4cloud[15]框架属于一种基于云计算技术的OLAP实现,它采用列存储数据存储结构以及索引等技术优化OLAP的性能.但是,OLAP4cloud并不提供维信息的管理,也无法直接支持上卷下钻操作,因此,OLAP4cloud仅限于支持对度量数据的查询和简单的聚集操作.另一方面,这些数据库系统均未针对OLAP进行特殊的优化,我们之前的研究[16]表明,连接操作在ROLAP中是非常频繁且相当耗时的操作,当数据量或维数量增加时,连接操作会成为OLAP的瓶颈.MOLAP可以避免数据集的连接操作,因此在性能方面有着天生的优势,但MOLAP需要集中式存储多维数据模型,且耗费大量空间,如何基于分布式文件系统和MapReduce模型实现MOLAP模型则是一个难题.据我们所知,在大数据分析领域,尚未有关于分布式MOLAP技术的权威报道,也鲜有成熟的基于MapReduce的MOLAP系统,该问题亟待解决.本文研究大数据环境下基于MapReduce的分布式MOLAP技术,称为DOLAP(distributed OLAP).DOLAP 采用一种特殊的多维模型完成维和度量的映射;采用维编码和遍历算法实现维层次上的上卷下钻操作;采用数据分块和线性化算法将维和度量保存在分布式文件系统中;采用数据块选择算法优化OLAP的性能;采用MapReduce编程模型实现OLAP操作.在DOLAP技术的基础上,我们基于Hadoop实现了一个OLAP系统HaoLap (hadoop OLAP),设计了一系列测试用例,将HaoLap与Hive,HadoopDB,HBase和oalp4cloud等进行性能测试和比较.实验结果表明,HaoLap的数据装载性能不具优势,但其OLAP性能优势明显,且性能与原始数据集规模以及查询复杂程度无关,尤其适合高维数据立方的OLAP操作.HaoLap仅依赖分布式文件系统存储数据,不引入额外的存储代价,数据立方通过计算获得,对于立方的每个维,仅存储维级别名称和每个维级别中维值的个数,不同于传统MOLAP系统耗费大量空间存储数据立方.由于篇幅原因,本文略去了HaoLap系统的实现细节.本文第1节介绍相关工作.第2节介绍维编码及事实存储,其中包括简化的多维数据模型的定义、维编码和维遍历算法、数据立方分块、存储以及寻址算法等,并给出数据立方建模和存储的应用案例OceanCube.第3节重点介绍基于MapReduce的OLAP算法.第4节首先采用真实的科学数据集OceanCube,通过3组实验分别测试和比较DOLAP在数值型数据上的数据装载、切块操作、上卷操作和存储代价,随后采用SSB基准测试比较DOLAP在枚举型数据上的OLAP性能,并总结实验结论.第5节总结全文并提出进一步工作.1 相关工作目前已有很多关于大数据或云计算环境下的OLAP优化方法研究,本节主要从以下两个方面介绍相关工宋杰等:大数据分析的分布式MOLAP技术733作:大数据环境中的OLAP优化技术和分布式的OLAP系统.大数据环境中,常用的OLAP优化方法有以下两种:利用预计算和浓缩数据立方的结果优化OLAP性能[17]和通过优化存储结构和算法来优化OLAP性能,其中,后者与本文最为相关.文献[18]提出了OLAP查询中的SPAJG-OLAP子集,在存储、查询、数据分布、网络传输和分布式缓存等方面研究海量数据大规模并行处理框架的优化策略和实现技术,实验证明,效果良好.该研究基于并行数据库技术优化ROLAP性能,通过对OLAP查询以及存储的优化达到加速OLAP的目的.文献[19]指出:在Web应用中,需要同时提供对海量数据的事务操作和决策分析,并介绍一种能够同时有效支持OLTP和OLAP 的数据存储系统.通过建立索引、数据分块、预计算等方式,有效地提高了OLAP的性能.本文同样是通过优化查询以及数据存储来提高OLAP的执行效率,但不同的是,本文研究的优化方案基于MapReduce.同时,针对MapReduce连接操作的低效性,本文研究提出了DOLAP技术,大大提高了OLAP的执行效率.文献[20]指出,传统的OLAP分析无法很好地适用于大数据分析.该文根据短消息数据的特点,设计了一种基于Hadoop的有效存储格式,并使用MapReduce实现了OLAP操作,更好地适应了SMS(short message service)业务中对短消息进行数据分析的需求.该文利用了特殊的数据结构来优化OLAP操作的性能,但该研究的适用面较窄.文献[21]基于MapReduce,通过数据的筛选策略减少了数据在网络中不必要的传输,从而优化了复杂云环境中的OLAP性能.该研究重点关注云环境的复杂性以及网络延迟等因素对OLAP性能的影响,是大数据环境下ROLAP的一种优化策略,其优化方法与本文研究存在本质区别.就分布式的OLAP系统而言,一些基于Hadoop的数据库系统,例如Hive,HadoopDB,HBase,MongoDB, OLAP4cloud等都支持OLAP分析.Hive是一个基于Hadoop的数据仓库系统,为数据分析人员提供了类SQL接口,支持大数据分析.HadoopDB将MapReduce和关系数据库技术结合起来,以管理和分析大数据;HBase则是面向列存储的开源数据库系统.这些数据库将海量数据存储在分布式文件系统中,通过MapReduce完成上卷下钻等操作,属于分布式的ROLAP技术,其中,维表和事实表的连接运算是一个性能瓶颈.OLAP4cloud是基于HBase 的OLAP引擎,它将维表直接压缩到事实表中,并提供一种特殊的索引来加快寻址,采用数据立方预计算方法,属于一种近似MOLAP实现.与分布式的MOLAP技术最为相关的是文献[22],该文尝试使用多维数组存储海量数据,并将建立的存储模型运用到了基于Hadoop的数据分析工具Pig[23]中,且通过实验证明了该存储模型在占用大量存储的同时提高了OLAP分析性能.为减少存储开销,本文使用多维数组存储维信息而非事实数据;除此之外,本文还提出了维相关的遍历算法以及数据筛选算法.综上所述,尽管学界注意到大数据对OLAP分析提出的挑战,且已有部分研究分别从模型、存储、算法和预计算角度对传统OLAP进行了优化,但尚未有权威的大数据环境下分布式的MOLAP技术的研究报告.与此同时,Hadoop也逐渐成为开源领域大数据分析的主流技术,但是基于Hadoop的分布式的MOLAP系统研究仍然尚未成熟.2 维编码及事实存储2.1 数据模型OLAP采用的多维数据模型包括维和事实两部分,其关键操作是找到维和事实的映射关系.ROLAP采用关系数据库以及星形模式或雪花模式,将维信息和事实数据分别存储于关系数据库表中,并使用外键完成维信息和事实数据的映射.但是ROLAP涉及到大量的连接操作,性能较低.MOLAP采用多维数组存储维和事实,通过对维进行编码和对事实数据直接寻址的方式获得其映射关系,从而避免了连接操作的开销.但MOLAP需要以一种集中的方式维护维和事实的映射,由于一个维可以包含多个层次,每个层次可以包含若干个级别,维和事实又是一对多的关系,所以维模型具有复杂性.为了避免额外的存储和维护代价,DOLAP首先对维进行了简化,以适应分布式环境,同时降低OLAP算法的复杂程度.本节重新定义维和事实数据,同时也定义了其他相关术语.定义1(维(dimension)). 在多维数据模型中,维将所有的数据项分类至一个无重叠的数据结构中,并且提供数据项的筛选、组织和标识方法.本文研究对维的定义进行了简化,简化后的维基于多维模型的维定义,并遵循以下3个约束:设d为维,则,1) d 有且仅有1个维层次; 2) d 是m 个维级别所组成的集合,记为{l 1,l 2,...,l m }.设l i (i ∈[1,m ])为任意一个维级别,则l i 仅包含1个维属性,且包含n i 个维值; 3) 将d 视作由各级别的维属性取值所组成的树形结构(维值树),则同一级别的兄弟节点包含有相同数目的子节点. 基于上述假设,维d 由以下两部分组成: 1) 维模式(dimension schema)包含:① m 个维级别的有限集L (d ),且这些维级别仅包含一个概念层次(concept hierarchy);② 在集合L (d )上存在一个全序关系 d ,上卷(roll-up)操作是指沿着概念层次向上攀升.如果有关系l j d l i (i ,j ∈[1,m ],i j )成立,那么认为l j 可以上卷到l i ; 2) 维实例(dimension instance)包含:① 函数m d 可以获得维级别的维属性取值集合,对于l i 而言,仅包含 1个维属性,该维属性包含n i 个取值,|m d (l i )|=n i ;② 上卷函数()(),j i l l d d j d i m l m l ρ→=→对每个关系l j d l i : v j ∈m d (l j ), v i ∈m d (l i )满足(),j i l l j i d v v ρ→=且 v i ∈m d (l i ), v j ∈m d (l j )满足();j i l l j i d v v ρ→=③ ,i i x y v v ∈ (),d i m l 111111|{|()}||{|()}|.i i i i l l l l i i i i i i x d x x y d y y v v v v v v ρρ++→→++++=== 为简便起见,如果不加说明,本文中“维”均指符合定义1的维. 定义2(度量(measure )). 度量u 是一个独立变量,它们参照每个维的某一维值,并作为OLAP 的分析对象.度量的粒度是度量参照的维值所在的维级别,最细粒度的度量参照每一维d 中的最低维级别的某一维值.设u 参照维集合D ={d 1,d 2,…,d n }, d ∈D ,即集合D 可以确定度量u ,记作D →u ,则满足:D →u ⇔ !v ∈m d (d m l )∧v →u (d 有 m 个维级别),其中,v →u 是指维值v 可以确定度量u . 定义3(单元格(cell )). 在逻辑视图中,单元格是由若干不同的度量组成的原子单元,这些度量都参照相同的维值.对于维集合D 而言,单元格可以表示为度量的集合,记作{u |D →u }. 定义4(数据立方(cube )). 根据定义1~定义3,数据立方是OLAP 中的多维数据结构,简称立方.数据立方的维符合定义1,且由若干单元格组成.定义5(块(chunk )). 块是数据立方的逻辑划分,一个数据立方可以根据维的取值分成多个块. 图1是由3个维(x ,y ,z )所组成的立方,图中较小的方格代表单元格,较大的方格代表块.在实际操作中,块中有可能包含一些空的单元格,即,该单元格中没有任何度量.在实际应用中,为了减少立方占用物理空间的大小,若单元格内没有任何度量,则在该块文件中不保存该单元格的记录.Fig.1 Example of data cube 图1 数据立方示例2.2 维算法 在OLAP 操作中,对维的操作是非常频繁的.维的编码和遍历算法是MOLAP 的关键技术,本节将对DOLAP 技术中维的编码和遍历算法进行阐述.2.2.1 维编码算法 维编码方法主要包括二进制编码和十进制编码.二进制编码也称作位图编码,通过编码的拼接可以包含维的级别信息,通过编码的移位实现维的遍历,但是二进制编码会造成很大程度上的稀疏[24];十进制编码是对每个维级别的维值依次使用十进制数编码,但是无法直接获得编码和维值的映射.在大数据环境中,为了避免稀疏, DOLAP 采用十进制的编码方法,同时提出了维的遍历算法来计算编码和维值间的映射关系.设l 是维d 中的某个维级别,对 x ∈[1,|m d (l )|],v x ∈m d (l ),v x 的编码为code (v x ),则code (v x )=x −1.该编码方法如算法1所示. 算法1. 维编码算法. Input : Dimension d : A target dimension; Function : DimensionCoding . 1. FOR i =1 TO |L (d )|; 2. FOR j =0 TO |m d (l i )|−1;3. Dimension value of i j v ∈m d (l i )4. .;i j v code j =5. END FOR6. END FOR 在实际应用环境,绝大部分维是数值型的,例如高度、经度、价格、流水号等.数值型的维可以按照其值域进行划分,不同的划分步长可以确定不同的维级别,因此,数值型的维可以很容易地满足定义1的约束条件.但是还存在一部分非数值型的枚举型的维,例如日期、城市、部门等.为使枚举型维符合定义1,可以使用一些空值填补维值树,使同一级别的兄弟节点包含有相同数目的子节点.图2展示了日期维的编码结果.在“月”级别上,每个月的天数是不同的,为了满足定义1,设每个月有31天,所以在图2中的2月插入了“29日”、“30日”和“31日”这3个空值. Fig.2 Example of date dimension coding 图2 日期维编码示例 对于实际应用中更为复杂的维,采取化简、划分维层次的方法使其形成维值树,使用空值填补维值树的方法使其满足定义1的约束条件.例如,针对TCP-H [25]数据集中的维模式,处理方法如下:① 通过取舍和合并的方法,化简TCP-H 的雪花模式为星型模式,其结果为SSB [26]数据集中的维模式;② 针对SUPPLIER 维表,使用区域属性(Nation ,Region ,City )作为划分维层次的依据,得到维层次Nation -Region -City ;③ 在维Nation -Region -City 的维值树中添加空值,使其满足定义1的约束.2.2.2 维遍历算法DOLAP 的维可以看作是一棵特殊的单根树,记作T d ,其中,ALL 是T d 的根节点,记为第0级别.每个维级别中的维值可以看作维值树中的节点,同时,每一个兄弟节点都有相同数目的子节点,如图2所示.OLAP 操作中涉及到大量对维值树T d 的遍历操作.例如,沿着T d 攀升(即上卷)或沿着T d 下降(即下钻).设有关系 i ∈[1,m −1],l i +1 d l i , v i ∈m d (l i ),v i +1∈m d (l i +1),那么v i 和v i +1之间的上卷关系11()i i l l i i d v v ρ+→+=是OLAP 中的关键操作.编码机制将能够表 征这种上卷关系,我们可以通过编码运算实现T d 中的上卷操作.本节首先引入维级别规模的概念,并通过对节点 v i 和v i +1的编码的运算获得关系11()i i l l i i d v v ρ+→+=.至于从v i 到v i +1的下钻操作,可以等同地视作从v i +1至v i 的上卷 操作,此处不再赘述. 定义6(维级别规模(dimension level size )). 设d 是一个维,由m 个维级别组成,第i 个维级别记作l i (i ∈[1, m −1]),维级别规模记作|l i |,则|l i +1|=|{v i+1| v i ∈m d (l i ),11()i i l l i i d v v ρ+→+=}|,其中,{v i +1| v i ∈m d (l i ),11()i i l l i i d v v ρ+→+=}是指维级别中符合条件的维属性取值的集合,|{v i +1| v i ∈m d (l i ),11()i i l l i i d v v ρ+→+=}|是指该集合的大小. 根据定义6,维级别规模是指在维值树中上层维级别中任意节点子节点的个数. 设〈v 1,v 2,…,v i ,v i +1,…,v m 〉是T d 中自上而下的一条分析路径,v i 在其兄弟节点间的位置记为order (v i )(兄弟节点拥有共同的父节点,且其位置计数从0开始,从左至右),则编码与位置的关系可表述为公式(1).对于图2中的路径〈19901,22,23〉:code (23)=32,order (23)=1;code (22)=1,order (22)=1;code (19901)=0,order (19901)=0.code (v i )=(…((0+order (v 1)×|l 2|+order (v 2))×|l 3|+order (v 3))…)×|l i |+order (v i ) (1) 同理,当给出code (v i )时,order (v 1)到order (v i )的值可通过公式(2)计算得到:1111121111()()%||,||()%||,||...()%||i i i i i i i i i i i i i i temp code v temp order v temp l temp l temp order v temp l temp l order v temp l −−−−−−−=⎢⎥==⎢⎥⎣⎦⎢⎥==⎢⎣⎦= (2) 联合公式(1)和公式(2),对于给定的code (v i ),可以计算出其对应的所有父节点的编码,即code (v i −1)到code (v 1)的值,从而可以进行上卷操作.例如图2中,在“天”维级别中,已知code (23)=32,其路径为〈19901,22,23〉,根据公式(2),已知code (23)=32,|l 3|=31,|l 2|=12,|l 1|=50,则order (22)=1,order (19901)=0;再根据公式(1),可以计算得到code (22)=1, code (19901)=0. 2.3 数据立方分块 将数据立方划分为块的目的是在OLAP 过程中对数据进行筛选,从而优化OLAP 的性能.同时,块也可以作为数据立方的存储单元.本节首先定义维、数据立方以及块的规模和容量,而后讨论数据立方的分块策略. 定义7(维规模(dimension size )). 维规模是指最底层维级别的维值个数.设d 是一个维,包含m 个维级别,记 作l 1,l 2,...,l m .记|d |为维d 的规模,则1|||()|||m d m i i d m l l ===∏. 定义8(立方规模(cube size )和立方容量(cube capacity )). 立方规模是由组成立方的维的规模构成的元组,立方容量则是立方内包含的单元格的个数.设立方由n 维组成,其中第i 个维记作d i (i ∈[1,n ]).立方规模为|cube |= 〈|d 1|,|d 2|,…,|d n |〉,立方容量为1||||n n i i cube d ==∏.定义9(块规模(chunk size )和块容量(chunk capacity )). 块规模是一个由该块包含的每个维最底层维级别上维值的个数构成的元组,块容量是块包含的单元格的个数.设块由n 维组成,其中第i 个维记作d i (i ∈[1,n ]),且d i 被划分为p i 份.记块的规模为|chunk |,则|chunk |=〈λ1,λ2,…,λn 〉,其中,||i i i d p λ⎡⎤=⎢⎥⎢⎥,块容量为1||.n n i i chunk λ==∏ DOLAP 的性能与|chunk |n 的取值密切相关,|chunk |n 取值越小,并行性越好,实际参与运算的单元格数量越少,但此时调度代价变高.如何折中地确定|chunk |n 的取值,将变得十分关键.借鉴文献[27],本文提出了一种通过查询条件及其出现的概率来确定块容量的方法,但我们难以穷举所有查询条件及其出现概率,所以该方法采用随机抽样,抽取一些查询条件及其出现概率.除此之外,|chunk |n 的取值还应该考虑算法的运行环境.DOLAP 利用MapReduce 来实现,所以|chunk |n 的取值还需考虑MapReduce 的一些特性,例如文件寻址时间、数据处理时间等.表1列出了相关符号的定义,其中,λi 为变量,T 和N a 是计算结果,其他为已知常量. Table 1 Definition of notations 表1 相关符号定义 符号 含义描述 T 一个OLAP 操作消耗的平均时间n 多维数组维的个数 λi 维d i 上块规模 N a 平均一个查询命中的块个数 v Map 任务的处理速度(个/秒) t 0 文件寻址时间 t 1 Map 任务消耗的额外时间 q 所有可能的查询条件个数 a ij 查询条件j 在维d i 上的取值个数ξj 查询条件j 出现的概率 平均一个查询命中的块个数N a 可以通过每个查询条件出现的概率得到,如公式(3)所示:11q n ij a j j i i a N ξλ==⎛⎞⎡⎤=⎜⎟⎢⎥⎜⎟⎢⎥⎝⎠∑∏ (3) 考虑MapReduce 相关的一些影响因素之后,可以得到一个OLAP 操作消耗的平均时间,如公式(4)所示: 10111n i q n ij i j j i i a T t t v λξλ===⎛⎞⎜⎟⎡⎤⎛⎞⎡⎤⎜⎟=++⎢⎥⎜⎟⎢⎥⎜⎟⎜⎟⎢⎥⎢⎥⎝⎠⎣⎦⎜⎟⎝⎠∏∑∏ (4) 通过公式(4),可以计算出T 取最小值时的λi ,也就得到了块规模.每个维上的块规模均可通过上述方法计算得到,从而可以得到块容量的最佳值.由公式(4)可以看出,‘ ’操作会导致块容量之和大于立方容量,所以块中会存在空的单元格. 2.4 数据存储 传统MOLAP 数据立方的存储代价很大,尤其是在高维数据立方或每个维包含大量维值的情况下.事实上,传统MOLAP 依赖访问内存中的多维数组来加快OLAP 操作,这种方式在大数据环境中显然难以实现.DOLAP 的“多维数组”是通过计算得到,无需存储,因此数据立方的存储代价非常小.DOLAP 对维进行简化,可以保证在同一级别上维的编码是连续的十进制数,同时,每一个兄弟节点都有相同个数的子节点,所以维信息仅需存储每个维级别规模,极大地降低了维的存储代价.设维d 由m 个维级别组成,记作{l i |i ∈[1,m ]},则d 的物理存储可以表示为该维级别和维级别规模的序偶所组成的集合{〈l i ,|l i |〉|i ∈[1,m ]},其中,l i 表示该维级别的名称.DOLAP 实现系统可以使用XML 文件存储维信息,并保存于集群主节点. 逻辑上,“立方和其单元格”或是“立方和其块”的数据结构均可以类比为“多维数组和其元素”的数据结构.物理上,块是立方的存储单元,将块内的单元格线性化(linearization)后,块可以作为独立的文件进行存储.为了便于寻址,块和单元格都需要支持线性化和反线性化(reverse-linearization)运算,且该运算与多维数组的线性化和反线性化运算是一致的.设存在一个n 维数组,其维规模记作〈A 1,A 2,…,A n 〉,多维数组中的元素X 在多维空间中的738 Journal of Software 软件学报 V ol.25, No.4, April 2014 坐标记作(X 1,X 2,…,X n ),其线性化后的坐标记作index (X ),则其线性化方法如公式(5)所示,反线性化方法如公式(6)所示: index (X )=(…((X n ×A n −1+X n −1)×A n −2+…+X 3)×A 2+X 2)×A 1+X 1 (5)1111121222232%,%,...%n n n temp index temp X temp A temp A temp X temp A temp A X temp A =⎢⎥==⎢⎥⎣⎦⎢⎥==⎢⎥⎣⎦= (6) 对于单元格而言,构成该立方的维记作d 1,d 2,...,d n .设x 是立方中的一个单元格,x 在维d i 上对应的维值为v i , code (v i )=x i ,则x 的坐标为(x 1,x 2,…,x n ),公式(5)将(X 1,X 2,…,X n )替换为(x 1,x 2,…,x n ),〈A 1,A 2,…,A n 〉替换为〈|d 1|, |d 2|,…,|d n |〉,公式(6)亦然,可得单元格的线性化和反线性化算法.在存储实现中,单元格存储为Hadoop HDFS [28]中MapFile [29]文件的一条记录,该记录包括该单元格线性化后的坐标及其包含的度量. 对于块而言,设y 是一个块,它是立方的一个划分,|y |=〈λ1,λ2,…,λn 〉,y 的坐标为(y 1,y 2,…,y n ),y 内任意一个单元 格的坐标为(x 1,x 2,…,x n ),则i i i x y λ⎢⎥=⎢⎣⎦,公式(5)中,将(X 1,X 2,…,X n )替换为(y 1,y 2,…,y n ),〈A 1,A 2,…,A n 〉替换为〈λ1,λ2,…, λn 〉,公式(6)亦然,可得单元格的线性化和反线性化算法.在存储实现中,一个块存储为Hadoop HDFS 中一个MapFile 文件,线性化后的块坐标作为块文件的文件名,以便进行块文件的寻址;块文件内每一条记录存储了该块内的一个单元格,块文件则存储于分布式文件系统Hadoop HDFS 中.在块文件中按Key -Values 对的形式存储所有的单元格数据,其中,Values 对应事实数据,Key 则是单元格(cell)坐标按公式(5)线性化后的索引值.该索引值是一个十进制正整数,在大数据环境中,数据立方规模会非常大,以Java 语言为例,索引值会超出长整型(long)的最大取值范围264,因此,我们采用字符串表示的数字数据.此外,若采用Key -Values 方式存储,Key 的存储开销可能会比对应的Values 存储开销大很多,这样就浪费了大量存储.因此对于一个块文件,仅记录一个最小的单元格索引值,而Key 存储的则是相对于该值的偏移量. 2.5 应用案例 本节描述一个DOLAP 的真实应用案例OceanCube.案例的数据模式来源于海洋科学中通过CTD [30]收集的海水温度数据,数据集来源于真实的国家海洋数据[30],该数据集中的数据项均为连续型数值数据.OceanCube 数据集描述如下:3个维分别为时间维、区域维和深度维,对应Time ,Area 和Depth .Time 共有5个级别:Year,Season, Month,Day,Slot.其中,Slot 是指一天的3个时间段,其维值分别是“上午”、“下午”和“晚上”.Area 共有7个维级别:1°,1/2°,1/4°,1/8°,1/16°,1/32°和1/64°.其中,1°是指由1°经度和1°纬度所组成的方形区域,地球表面可以划分为360×180个1°方区.Depth 共有3个维级别:100m,50m,10m,其中,100m 指的是“海洋的深度以100m 的间隔进行划分”,若海水有1 000m 深,则可以划分为10层,对应10个维值.见表2. Table 2 表2 各个维规模 数据立方规模和容量 最优的块规模及块容量 (1) |Time |=11160 (2) |Area |=320 (3) |Depth |=100 (1) |OceanCube |=〈11160,320,100〉(2) |OceanCube |n =357120000 (1) |OceanChunk |=〈72,64,50〉 (2) |OceanChunk |n =230400 我们设每个月有31天,初始化数据立方为OceanCube,其中包括10年、5°、1 000m 深度的海洋温度数据,维信息如下所示: (1) Time ={〈Year,10〉,〈Season,4〉,〈Month,3〉,〈Day,31〉,〈Slot,3〉};。