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，以允许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(DB29 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。