随着数据库技术的飞速发展,人们逐渐意识到信息的对于一个企业的重要性,各大小企业都开始使用各种数据库管理系统来保存企业的数据。为了能够有效的利用这些数据,人们通常会采用OLTP(联机事务处理)技术不断地对这些数据进行处理。随着数据的积累,企业决策人员希望能够更好地利用这些历史数据,分析出其中的规律,用来指导企业的决策和发展,于是开始使用数据仓库和OLAP(联机分析处理)技术处理海量的历史数据,以得到有用的信息。根据数据组织结构的不同,OLAP可以分为ROLAP和MOLAP。其中ROLAP是基于关系数据库的,对数据的处理依赖于关系表和SQL查询。MOLAP是基于多维数据结构的,数据通常以数据立方体的形式组织,支持数据的多维视图。目前大多数的OLAP应用都是基于关系的ROLAP系统,但是相比而言,MOLAP具有更高的灵活性,能够提供快速的查询,让用户能够更方便的从多角度来观察聚合的结果。本文首先对MOLAP的相关技术及国内外的研究现状进行了深入的研究,然后选择一个可行的方案来设计实现LE-OLAP多维数据分析引擎。主要的研究工作有以下几个方面：1.对多维数据模型的建模与表示进行了充分的研究,结合实际的应用场景提出了感兴趣的子立方的概念,建立了一个具有良好扩展性的通用的多维数据模型。2.通过对常见的数据立方体聚合算法进行研究,确定在LE-OLAP系统中采用BUC算法完成聚合计算的优势与可行性。然后介绍了BUC算法,并基于BUC算法的特性,对BUC算法进行了改进,在聚合计算过程中加入维度中的层次信息和感兴趣的子立方,并在此基础之上用实现了多线程BUC算法和分块BUC算法。3.将改进后的BUC算法应用到LE-OLAP系统中,通过实验对各种改进方案的结果进行分析和比较。