目前，全球商业智能市场的规模空前繁荣，据估计2007年全球商业智能市场的产值将高达200亿美元，与此同时，商业智能厂商之间的并购风潮也此起彼伏。日益得到IT界认同的商业智能主要有三个支撑技术：数据仓库、联机分析处理和数据挖掘。从近年知名的国际数据库会议来看，如VLDB、SIGMOD、ICDE等，这三种技术也是当前计算机理论界、工业界研究和讨论的热点问题。这篇论文主要讨论了数据仓库和联机分析处理技术，重点在于数据仓库的优化技术。数据仓库是一种体系结构，主要用于决策支持，它应能支持高效的数据立方体计算技术、存取和查询处理技术。数据仓库与数据库有着截然不同的特点，如在数据量、数据的物理组织、服务的操作类型、硬件利用模式方面等，这就决定了数据仓库的优化不能照搬用于数据库优化的经验。数据仓库的优化技术主要有物化数据立方体和索引OLAP数据等，物化数据立方体采用了预计算的思想，索引则采用了了空间换时间的策略，它们通过不同的手段达到加快查询速度、提升系统性能的目的。论文集中讨论了各种索引技术，首先介绍了索引的原理以及用于传统关系数据库中典型的索引技术，如B树索引、散列表索引；然后分析了在数据仓库中广泛使用的索引技术，如位图索引、连接索引和位图连接索引；最后我们讨论了一种新型的索引技术-分层位图索引，它能高效的索引数据仓库中的数据，能根据维的层次和分类情况在事实表上索引数据，它还能应用于数据挖掘、信息检索等领域，具有良好的应用前景。