内存数据库具有很多传统的数据库系统所不具备的优点,并且采用了与传统磁盘库不同的,针对内存存储结构而设计的架构,使得内存数据库取得比磁盘数据库高得多(10倍以上)的数据处理能力。尽管内存数据库有较高的性能,但是面对日益增长的数据处理量其性能也是捉襟见肘的。近年来随着对称多处理器的出现,内存数据库继续提高性能的方案之一就是在多处理器平台实现查询并行化。常见的并行化平台有共享内存型和共享磁盘性;基于共享内存平台的内存数据库系统更适合用OpenMP进行并行编程优化。内存数据库查询并行化主要面临如下几个挑战:并行优化流程问题,并发控制问题,并行程度确定问题,并发执行策略问题等。对于各种查询并行化方式,包括查询间并行,查询内的操作间并行和操作内并行,查询间并行无法提高复杂查询的响应性能,而操作间并行在操作数较少,而且操作间耦合关系较大的情况下无法取得较好的性能提升,因此操作内并行优化将成为内存数据库的查询事务内并行优化的主要手段。一次查询过程主要包括索引,中间操作,结果集处理等,查询并行优化流程将针对查询过程中的T树索引,中间操作,结果集处理等设计具体的并行化处理策略。对于并发控制问题,传统的OpenMP锁效率不够高,通过采用一种改进了的自旋锁,来扩展自旋锁的适用范围,可以很好的取代OpenMP的锁,并对自旋锁的错误率进行理论分析验证其可行性;针对并发程度确定问题,OpenMP简单的采用了系统核心数作为并行度,在双核机器上这种做法不失为一种简单可行的办法,简化了并行设计;对于并发执行策略,当前已有许多针对并发执行操作的研究,包括对数据划分技术,并行排序,并行连接,并行聚集函数运算等的研究,通过对现有研究成果的学习,可以将其实施在内存数据库查询并行优化中。通过仿真及测试对并行优化改进进行有效性分析,发现改进自旋锁比OpenMP的锁有较大的性能提升,而并行化的排序操作性能,以及结果集并行处理的性能均有较大的提升。