1，Olap存储的数据
OLAP存储的数据包括两类，一类是叶级值，即细节性的数据，包括维度表和事实表中的所有数据；一类是聚合值，是叶级值经过聚合函数聚合之后产生的聚合数据。
2，Olap存储模式
那么Olap是如何存储叶级值和聚合值的？Olap主要使用两种存储结构，一种是使用关系型DB来存储，一种是使用cube来存储。
关系型DB存储是指把叶级值和聚合值都存储在关系型的DB中，缺点是查询效率低，优点是能存储大量的数据。
cube存储是指把叶级值和聚合值都存储在cube中，cube是一种数据结构，这种结构跟关系型结构不同，能够很快的做切片，旋转等聚合操作，便于进行数据的查询，但是不能存储海量数据。Cube存储的优点是查询性能高，缺点是不能存储大量的数据。
这两种存储是不可调和的矛盾体，面对这类问题，肯定会有一种“中庸”的处理方式，来平衡性能和存储。
Olap的存储模式有三种，分别是ROlap，HOlap和MOlap
ROLAP是基于关系数据库的OLAP实现（Relational OLAP）以关系型结构进行多维数据的表示和存储，将Olap数据存储在关系型DB中。特点是将细节数据存储在关系型数据库的事实表和维度表中，将聚合数据保存在关系型的数据库中。这种方式查询效率低，存储的数据量大。
MOLAP是基于多维存储结构的OLAP实现（Multidimensional OLAP）使用cube结构存储数据，特点是将细节数据和聚合数据均保存在cube中，所以以空间换效率，查询时效率高，但生成cube时需要大量的时间和空间。
HOLAP是混合型OLAP实现（Hybrid OLAP）是将细节数据保留在关系型数据库的事实表和维度表中，聚合数据保存在cube中,聚合时需要比ROLAP更多的时间,查询效率比ROLAP高，但低于MOLAP。
3，主动缓存
AS需要响应的数据可以存储在缓存中，提高查询的速度，但是当存储在源关系db中的数据发生变化时，就会产生cube数据和源数据不同步的问题。一旦源关系DB的数据发生改变，Olap如何以最快的速度感知到这种变化，并将数据同步到AS的cube中？答案是proactive caching，利用Proactive Caching能够简化数据同步的问题。