随着大数据时代的发展,企业级报表应用在企业决策上凸显出了重要的地位。报表数据作为一种总结式数据,以其灵活多变的展现形式和丰富多维的组织方式,为企业管理提供着基础数据分析支持。构建高效可用的数据仓库模型和报表服务系统是本文的重点。本文首先分析企业级报表服务系统中用户的Web访问特性,总结出用户对月报的周期性访问规律。针对现有缓存替换算法出现的字节命中率较低的问题,本课题引入报表类型和当前日期权重函数,提出改进的缓存替换算法GDSF-M,并对改进前后的算法进行实验验证,证明改进算法具有更好的命中率和周期稳定性,从而可以有效地节省报表服务系统响应时间,提升系统性能。其次,本文整合分散异构的数据源,构建全局数据仓库模型。ETL任务调度作为数据仓库构建的关键步骤,是数据仓库的主要耗时所在,实现ETL任务调度模型的最短耗时是本文的重点研究内容。现有遗传算法在本课题具有时间约束关系的应用场景下,会增大不可行解出现的概率,造成迭代次数较多、资源利用率较低的问题。本课题提出加权的适应度函数计算方式和具有约束关系的交叉、变异算子,实现改进的自适应遗传算法IAGA-OF,并将该算法用于求解ETL任务调度模型。通过实验验证模型求解过程的有效性和算法的收敛性能及服务器负载性能,实现ETL任务调度最小时间代价的目标。最后,基于上述改进缓存替换算法和底层数据仓库模型,构建报表服务系统。系统实现的报表计算引擎用于抽象元数据模型,兼容事实表和维表设计,支持OLAP分析和数据查询操作,并实现自助报表模块、个性化报表模块和基于角色管理的数据访问控制模块。目标在于构建一个具有高通用性、高扩展性及支持动态移植的报表服务系统。