气象装备作为气象服务的基础设施,其种类丰富、数量庞大,被广泛应用在各个领域,气象服务已惠及各行各业。在研制、生产、使用等环节产生的大量气象装备数据资源,增加了气象装备的管理和维护成本,给气象装备的改进带来了极大的挑战。伴随着大数据技术的普及与应用,这些海量数据成为价值度很高的资源,为气象装备的改进和管理提供决策支撑。因此充分挖掘和利用这些数据,对新型气象装备的研发与管理有着重要的影响。本文从气象装备的分类展开研究,将各类气象装备属性进行分层次归纳合并,最终归纳出属性集,包括基本信息、功能指标、技术性能指标、主要技术;根据归纳出的属性集确定气象装备数据立方体的维和概念分层;同时,根据用户从不同视角关注的主题确定事实,构建了气象装备数据立方体模型,并设计了该模型在数据库中的存储结构。在完成气象装备数据立方体模型创建的基础之上,本文从提高数据立方体OLAP操作效率的角度出发,提出了基于用户搜索行为习惯分析的数据立方体压缩存储方案和缓存策略。首先,对采集上报的用户搜索行为数据进行语义分析,并结合搜索关键词出现的频率,计算出用户行为之间的关联度;其次,将关联度作为BUC算法中的阈值条件,压缩数据立方体的体积;最后,使用Redis内存数库据作为缓存存储介质来存储关联度值比较高的方体数据,在综合考虑了关联度和时间因素的基础上设计了C&T缓存算法,该算法是对LFU算法进行的改进,实验结果表明,C&T缓存算法的查询效率,相比较未加缓存的时候提高了约60%,比LFU算法提高了约20%。在实际应用方面,根据用户的需求,设计和实现高可用的数据立方体查询应用系统,系统整体上采用双机和集群方式实现高可用性。对数据立方体创建以及数据查询模块进行了详细的设计和实现说明,最终面向用户提供手机客户端和桌面客户端两种交互方式。