凭借纵向分割的灵活特性，列存储已被证明比行存储更适合查询密集的分析型应用。作为分析型应用之一的OLAP，其基本操作可以被映射为一组比较复杂且运行时间长的查询语句。研究表明，利用列存储实现OLAP应用有望获得较好的执行性能。但是，在多查询优化方面，列存储的纵向分割特性反而破坏了维表数据的层次关系，使得行存储的优化策略不再适用。此外，列存储系统查询执行过程中大量列与列之间的连接操作使得全局计划空间大幅膨胀，传统搜索算法缺乏实际可行性。针对上述情况，本文提出了一种基于列存储的OLAP多查询优化策略。该策略既保留了列存储系统的读优化特性，又实现了多查询间的操作和数据复用。　　 本文主要贡献如下:根据列存储系统和OLAP操作的特点，提出一系列转换规则，为OLAP查询请求所对应的一组相关查询语句生成一个单一全局查询计划;在全局计划中引入新的过滤结点、分组结点、合并结点和聚集结点，并为这些结点设计共享复用属性;改进MuGA(MultiplyGroupbyAlgorithm)算法，通过分组结点、合并结点、连接结点分别为维表和事实表元组标记分组序号，从而实现列扫描、列连接的共享;同时，为聚集结点提出一个多阶段聚集算法，结合最终生成的事实表复合分组序号，实现聚集操作的复用。　　 与此同时，本文在达梦列存储数据仓库管理系统项目的基础上设计了OLAP系统多维模型的定义与创建，介绍了查询语句组词法语法解析到全局计划构建的处理流程，并简单论述了物理执行实现的设计思路。采用SSB数据集设计模拟的一系列实验表明，在处理海量数据时，列存储和多查询优化能够帮助OLAP系统大幅缩短响应时间。