OLAP（On-LineAnalyticalProcessing，联机分析处理）是随着数据仓库技术出现的一种数据分析处理技术，它允许用户快速地从不同的角度和层次分析大量多维数据，主要用于决策支持。随着应用的发展，OLAP要处理的数据规模越来越大，已发展到TB级和PB级，数据的维数也已过百。在这种情况下，作为OLAP的传统存储结构，关系数据库和多维数据库都从本质上制约着OLAP的发展。因为关系数据库在查询时需要扫描整行数据，查询效率较低;多维数据库虽然能快速响应查询，但其更新代价太高、灵活性低且不支持大规模数据存储。为解决此问题，本文给出了基于列数据库HBase的OLAP多维数据存储技术和基于MapReduce的基本聚集计算方法。　　 首先，本文在对OLAP和列存储的研究基础上，提出了一种新颖的将列存储结构应用于OLAP的思想，指出选择HBase用于OLAP的优势。然后对HBase的数据模型、体系结构等关键技术进行了分析，将HBase与OLAP的多维数据模型结合，给出了OLAP多维数据在HBase上的存储方法和数据加载算法，具有较好的可扩展性，并给出了HBase存储的优化策略;对MapReduce编程模型的工作机制、使用方法进行了分析，给出了基于MapReduce的5种基本聚集计算算法，并给出了聚集计算性能的优化策略。实验结果显示，本文的数据加载和聚集计算算法的速度都要明显好于关系数据库，并具有良好的可扩展性，验证了本文采用HBase和MapReduce来存储和计算OLAP多维数据的有效性和优越性。