InfoCube信息立方体的优化

• 颗粒度尽可能大：尽可能不要在Cube里放太明细的数据（即维度字段越小越好），这种需求首先考虑R3用ABAP解决，若是非要在BW，能够考虑在DSO出明细报表，在Cube出汇总报表，经过RRI接口调用明细报表。
• 拆分多个：当Cube的数据量很大时，能够拆分红多个Cube,再用MultiProvider拼起来，这样query会在N个Cube中并行，提升效率。这就是所谓的逻辑分区。常见的分区方式有按年月，按国家，按BU，按类型等。
• 压缩：给Cube作Compression。Compression 本质上是去掉Data Dimension，这样fact table就被压缩了，可是request id也消失了，将没法经过request id去管理数据（慎用，最好是半年甚至一年以上的数据）。
• 索引：数据库的索引能够加快查询速度
• 分区：对于很大的Cube，能够作partition,这是物理分区，只支持按时间分区。
• 汇集：使用Aggregation能够提升性能。可是Aggregation自己是cube的一个子集，提升性能的同时也加大了数据冗余，因此不要用太多。
• Staitics：按期刷新DB Statistics 能够提升reporting的效率。
• 使用MP：维度设计上，避免不少数据量很大char.放在一个维度上（多对多的不要放在一个维度里），由于这样会让维度表变得很大。一般，尽量拆分红更多的维度（不过维度太多会致使 fact table巨大，因此要作好平衡），而后在multiprovider 层面，把相关（指业务意义上的相关）的char都放一个维度里，而后作好Mapping，这样便可以让用户更容易理解MultiProvider，下层CUBE维度的从技术角度拆分与组合（按1:1或1:N的放在一块儿的原则）提升了性能，一箭双鵰。
• Line item Dimension：对于material等很大的主数据，使用Line item Dimension（即将M：N多对多的字段，让他们一我的一个维度，这样天然就成了行项目维度了，提升性能）.
• BIA:使用BIA是比Aggregation更有效的方法，就是要花很多钱。