数据仓库中承载信息的数据随着时间的推移迅速膨胀,但是数据仓库技术仅仅解决了信息的存储问题,提高了数据的存储效率,它只有结合了数据分析技术后,才能从纷繁复杂、大量沉淀的数据环境中得到有用的决策信息,然而数据分析涉及到海量的数据,并且要对这些数据进行大量复杂的操作,耗时非常严重。特别的Mondrian OLAP系统是基于ROLAP系统的,导致其在处理多维数据性能上有很多不足,因此需要优化系统来提高系统的查询响应速度。本文着重对如何提高Mondrian OLAP系统查询性能进行了系统深入的研究,提出将预测管理技术和数据缓存技术引入到Mondrian OLAP系统中,并在系统初始化时增加冷启动过程从关系型数据库中获取聚集数据到缓存系统中,这样可以减少查询响应时间。本文首先分析现有的Mondrian OLAP系统中存在的问题,给出基于预测管理和冷启动过程的缓存管理系统的总体框架。接着深入研究该框架的三个关键技术:预测管理技术、基于结果集缓存管理技术以及冷启动过程。预测管理系统能够跟踪系统用户的查询日志,获取用户进行多维数据查询的行为规律,并以此行为规律为基础预测用户将来的查询行为,使得缓存系统中始终保存着最有利于将来查询的结果集。同时本系统结合Mondrian OLAP系统的特点选择合理的缓存对象、缓存管理算法,设计两级缓存管理机制来缓存用户的查询结果集。而冷启动过程则能在系统初始启动及重新启动时,装载数据结果集到缓存系统中,使得系统用户的查询能够一直得到较快的响应。实验表明,经过改进后的Mondrian OLAP系统在一定程度上解决了由于数据仓库数据量急剧增长所造成的性能瓶颈问题,提高了Mondrian OLAP系统的整体查询性能。