OLAP的优点之一：查询速度比OLTP快
但是，当超过3个维度关联查询时候，速度超慢
例子：销售单（20万条）
维度：销售时间(2 * 365，其中能与销售事实关联的有150)、产品（40000条）、客户（20000条）、业务员（100）、部门
（20，包括所有部门）
SELECT [MEASURES].[SALEAMOUNT] ON 0,
TIME.DAY * PRODUCT.allmembers * CUSTOMER.allmembers * EMPLOYEE.allmembers * DEPARTMENT.allmenbers ON 1
FROM [DW] WHERE {TIME.TIME.&[2009].&[5]:TIME.TIME.&[2009].&[6]}
需要几分钟才能出数据
很是疑惑，请问下有什么办法可以提高查询速度？
------解决方案--------------------
又是晚上两点多了……
因为笛卡尔积后的成员集太大，内存中镜像的实例过多（大部分成员的值为空，稀疏），导致查询变慢。
1.查询出的空数据是否有用？没用的话（一般没用），用NonEmpty过滤掉（有必要）。
2.将维度直接从事实表中纳入多维数据集（不太好）。
3.如果确实数据量还是很大，我的处理方式是采用subset进行分次查询，这种方式不会有速度的提高，只是在工具上能达到快速响应。
还有就是等待楼下的高见了……
------解决方案--------------------
我不太主张这样的写法：
SELECT [MEASURES].[SALEAMOUNT] ON 0,
TIME.DAY * PRODUCT.allmembers * CUSTOMER.allmembers * EMPLOYEE.allmembers * DEPARTMENT.allmenbers ON 1
FROM [DW] WHERE {TIME.TIME.&[2009].&[5]:TIME.TIME.&[2009].&[6]}
CrossJoin 本来及是一个非常消耗性能的Function ，而且这样出来的数据量太大，其结果也不一定是你想要的，我想OLAP最大的优势在聚合，按照什么聚合呢？典型的是按照属性聚合，按照属性层次结构聚合，而在你的MDX中，这些优势都没有体现出来，完全是一个SQL的MDX化，
Time ，应该有年、季、月、日层次
Product ：产品大类、产品小类、产品名称。
Customer ：也应该有客户地区。
Department、Employee 也就应该在一个层次结构中，
如果按照层次结构，一层一层地Drill Down 或者 Drill up ，性能应该快很多，用户的体验也会好很多吧。
个人意见，仅供参考。