数据仓库和OLAP工具基于多维数据模型,数据立方体是多维数据模型的核心。为提高联机分析处理系统的查询性能,通常需要预计算并物化数据立方体,然而完全地预计算所有方体必将导致数据立方体体积的爆炸。因此,降低磁盘空间成本和提高查询性能成为数据立方体研究两个重要的目标。为解决这些问题,需要探索有效的数据立方体组织方法。Quotient Cube是数据立方体的一种概括性的结构,它可以保持数据立方体的语义。Quotient Cube首先将一个立方格划分成互不相交的类,然后使用这些类来表达立方格。一个类包含一个或者多个数据方体,这些数据方体从同一基表元组集合进行聚集计算而来。对于任意一个类来说,Quotient Cube仅仅存储类的上下界,而该类包含的其它单元格可由类的边界推导出来。Quotient Cube极大地降低了磁盘空间成本。近来人们设计出了封闭立方体,它只存储等价类的上界从而具有更高的压缩率。但是,封闭立方体针对的都是具有反单调性的冰山条件,满足这种条件的类在立方体格上是相互聚集在一起的,一个类的下界可以通过其它某些类的上界来界定。如果冰山条件不具有反单调性,等价类分散在立方体格的不同位置,就仍然需要使用Quotient Cube来同时存储等价类的上界和下界以确定该等价类的边界。本文给出了一种直接计算冰山Quotient Cube的新方法,尤其是针对不具有反单调性的冰山条件。文中首先设计了存储结构IQ-Tree,然后介绍了通过计算聚集函数范围进行裁剪的方法,继而给出了我们的冰山Quotient Cube计算方法IQ-Cubing。最后,通过将IQ-Cubing与先前的方法进行的实验比较可以看出,IQ-Cubing在性能方面具有较大优势。