大数据目前已是一个庞大的生态体系,聚集了海量的大数据,在数据量高增长的同时,也产生了结构复杂和变化多端的多维数据。这些多维数据遍布在多个不同领域,是需要新处理模式才能具有更强决策力的信息资产。但当前已有的可视化系统中,还存在着很多不足与问题:(1)对数据处理的速度缓慢,未实现数据图表协同更新,间接影响数据分析的结果;(2)降低多维数据维度的过程复杂、可操作性差且学习成本高,对多维数据整合、数据合表、多维数据分层等功能支持性欠缺,使多维数据的研究和应用具有一定的局限性。(3)可视化流程构建不完善,着重研究可视化展示,造成可视化内容过于拥挤,不足以支撑多维数据的全生命周期可视化工作;为了解决上述出现的问题,本文对大数据探索式多维分析及可视化技术进行了深入的研究,主要研究内容包括:(1)为解决多维数据瞬息万变所带来的图表重绘问题,提出并实现了一种面向大数据场景的多维数据可视化实时更新方法,降低多维数据变化重绘图表造成的网络负载和网络延迟,并在多用户并发场景下,减少数据错误率,维护了系统稳定性。(2)针对多维数据进行Kylin建模,提供数据探索、图表配置、人机交互等多种数据图表交互技术,进一步提高视图探索能力,深层次分析多维数据的潜藏价值。(3)设计并实现了大数据探索式多维分析及可视化系统,为用户提供一套完整的从数据接入到可视化展示的多维数据分析架构,具备数据处理和视图探索交互应用能力的多维可视化构建服务。基于上述研究内容,本文构建了大数据探索式多维分析与可视化系统,提供数据挖掘能力,帮助使用者将多维数据可视化为一个高效,直观,易于理解的图像,辅助其验证假设性结论。并将其应用于重点专项项目“国家人类遗传资源中心大数据共享服务平台”建设中。