随着数据仓库系统在企业和组织中的推广使用,联机分析处理(OLAP)是当前数据仓库应用和决策支持系统(DSS)的研究热点。OLAP查询通常需要在海量数据上进行聚类查询,并要求及时向用户提供分析数据,用以辅助决策。这种使用方式对查询响应速度提出了很高的要求,使得提到OLAP查询效率成为数据仓库应用中的关键问题。本文在对国内外OLAP的理论研究和应用现状进行了广泛了解和深入分析的基础上,对OLAP技术作了以下一些探索和研究。对OLAP技术的基础理论进行了综合分析,讨论了它的概念、结构、特征、数据组织方式以及OLAP系统需要满足的基本要求。即席OLAP查询,作为非常普遍的OLAP查询,经常需要直接访问最详细的数据并及时返回计算结果。考虑到数据仓库中存储的海量数据和OLAP查询的密集性,这种即席OLAP查询通常需要大量的处理时间。本文对当前多种常用的OLAP数据立方体存储结构的特点、实现方式及其综合性能进行了分析。本文首先介绍了基于维层次聚类的CUBE存储结构(DHC-CUBE),阐述了其构建和查询算法;接着提出了一种基于层次划分块树的CUBE存储结构(HCT)。HCT结构将维层次聚类应用于数据块的划分,因此可以更快地响应带有层次限制的查询。详细的对比实验表明有三方面明显改善:HCT结构能很好地适应稀疏的数据,同时保证查询性能并不受稀疏度的影响;HCT结构是可扩展的。并且当数据点增多时,存储文件能保持很好的聚类效果;不管对于何种稀疏度、何种维度的数据,HCT结构根块的大小始终小于全部CUBE文件大小的5%。从而保证根块可以加载在主内存内,减少查询的I/O的次数。