实时OLAP对数据装载、查询分析的性能具有更高的敏感性，采用多计算节点进行OLAP查询的并行化处理己成为研究热点。本文关注于实时OLAP应用中数据装载和多维查询分析的性能瓶颈，针对目前数据仓库并行化处理在架构复杂性、动态自主调优、数据迁移代价等方面存在的局限性，提出一种对用户透明的、具有自主校准能力的轻量级并行处理方法，通过并行ETL过程将大规模、高维度事实表分布于多个数据节点，并基于多数据节点实现多维查询分析的并行处理。本文基于开源OLAP引擎Mondrian实现，并在一个实时数据仓库商业项目中进行了应用。结果表明，能够有效提高基于大规模、高维度事实表的数据ETL和多维查询性能，同时预测及校准模型能够有效保证数据分割的合理性，避免了目前并行化处理方法中的数据迁移代价。