随着信息技术的不断发展,人们要处理的数据也呈爆炸式增长。为了更好的分析大量的数据,数据仓库(DWMS)系统应运而生。数据仓库更多的被用于数据分析中,因而数据仓库相对于传统的事务型数据库,偏向于读优化操作。而相对于行存储数据仓库,列存储数据仓库更适用与读优化的环境中,因为列存储可以避免读取不必要的列信息。作者所在实验室一直在进行列存储数据仓库的研究与开发。作者本人负责其中的查询执行引擎的实现与优化。本文结合项目的研发,研究了列存储数据仓库中查询执行引擎的实现与完善,并根据列存储的特征对查询执行引擎进行了优化。优化涉及了多方面的内容,既涉及查询执行引l擎架构本身,也涉及相关列存储技术的使用,最后还特别针对当代的硬件环境--多核处理器进行了优化。本文主要讨论了以下三个问题,一是查询执行引擎的架构和功能实现,二是针对列存储相关技术的使用优化,三是针对当代多核处理器并行查询优化。本文在每一类优化内容中都选取了一个具体的点进行了详细阐述。如在基本模块实现中主要针对列存储数据仓库中非常重要的join(连接)操作进行了改进,提出了一种基于桶内索引的哈希连接算法,能够解决散列数据在哈希表桶内分布不均匀的问题。在针对列存储技术的优化中主要实现了查询执行对索引以及压缩数据的使用。实现了基于B+树索引的选择操作,和基于压缩数据的抽值操作。而针对多核处理器的优化主要探索了节点的并行执行以及CPU cache的有效利用,并针对数据仓库重要操作聚集操作,提出了基于取样和动态划分的高效数据划分方法。提高了多核并行聚集算法的效率及对数据多样性的包容性。