随着大数据时代的到来,数据的组织和分析日益成为各行各业发展瓶颈,对实时数据高性能分析需求的不断提高,传统联机分析处理处理大数据时表现出实时响应能力差的问题,为联机分析处理系统提出了更高的应用要求。Spark是分布式内存计算框架,具有轻量级快速处理、兼容Hadoop生态系统、学习成本低、活跃的社区支持、支持多种语言编程接口等特点,自Spark发布以来得到广泛应用,为实现实时OLAP系统数据分析提供了新的研究思路。本文首先总结大数据背景下联机分析处理的研究现状,随后对当前较为流行的大数据处理平台进行总结,结合实时OLAP系统的快速响应的应用需求,选择基于Spark平台进行系统架构,展开相关研究工作。本研究综合分析Spark内存并行计算框架、BloomFilter算法与BUC算法的基础上,着力研究立方体快速计算算法。针对BUC算法在Spark计算框架下进行并行化,并对BUC算法进行改进,以适应分布式计算方式,有效地提高了立方体计算效率。对于星型连接算法,实现了基于多维BloomFilter的星型连接算法,以适应数据量很大的表之间的连接操作。通过性能对比分析,验证了所提方案适合在大数据背景下进行快速立方体计算任务。本研究结果提高了联机分析处理的立方体计算速率和实时分析,是Spark平台在联机分析处理领域的一次有益尝试。