教你提高商业智能环境中的DB2查询性能

本文主要讨论可以使决策支持系统(DSS)中的大型查询高效地执行的一些方法。这些查询通常都是访问较多数据的单纯 select 查询。下面是我们要讨论的一些方法： 1、建立适当的参照完整性约束； 2、使用物化查询表(MQT)将表复制到其它数据库分区，以答应非分区键列上的合并连接； 3、使用多维集群(MDC)； 4、使用表分区(DB2® 9 的新功能)； 5、结合使用表分区和多维集群； 6、使用 MQT 预先计算聚合结果。 本文中的例子针对 Windows 平台上运行的 DB2 9。但是，其中的概念和信息对于任何平台都是有用的。由于大多数商业智能(BI)环境都使用 DB2 Database Partitioning Feature(DPF，DB2 数据库分区特性)，我们的例子也使用 DPF 将数据划分到多个物理和逻辑分区之中。 数据库布局和设置 本节描述用于在我们的系统上执行测试的数据库的物理和逻辑布局。 星型模式布局 本文使用如下所示的星型模式： 清单 1. 星型模式其中的表的定义如下： 事实表 SALES_FACT 包含 2006 年的总体销售信息。它包括产品售出日期、产品 ID、销售该产品的商店的 ID、售出的特定产品的数量，以及产品的价格。事实表中还添加了 TRANSACTION_DETAILS 列，以便在从事实表中访问数据时生成更多的 I/O。 1、维度表 DATE_DIM 包含商店开放期间的惟一的日期和相应的月份、季度和年份信息。 2、维度表 PRODUCT_DIM 包含公司所销售的不同产品。每种产品有一个惟一的产品 ID 和一个产品描述、型号以及质地。 3、维度表 STORE_DIM 包含不同的商店 ID 和商店的位置、所属街区以及所属区域等信息。 数据库分区信息 各表都位于它自己的分区组中。3 个维度表都比较小，所以它们位于一个数据库分区上。而事实表则跨 4 个分区。 表空间信息 缓冲池信息 本文中的测试所使用的默认缓冲池是 IBMDEFAULTBP，该缓冲池由 1,000 个 4K 的页面组成。在本文的测试中，所有表空间共享这个缓冲池。在通常的 BI 环境中，会创建不同的缓冲池。 主查询 下面的查询用于测试本文中讨论的各种不同的方法。该查询执行一个向外连接，比较二月份和十一月份 10 家商店的销售信息。