联机分析处理系统使决策者能对企业的历史数据进行多维分析,为企业发展做出更好的决策。依托于分布式计算框架实现的关系型联机分析处理系统中,多表连接是影响联机分析处理系统性能的关键因素。研究如何根据用户的使用习惯,重用耗时的多表连接结果的方法,对关系型联机分析处理系统整体性能的提高,具有重要意义。在分析了基于分布式内存计算框架Spark的联机分析处理系统的设计要求的基础上,通过对比现有联机分析处理系统的体系结构,给出了基于Spark的联机分析处理系统的体系结构。该结构可以划分为应用层、驱动层、服务器层、计算层和存储层;其主要的功能模块包括维度表处理模块、事实表处理模块和多维分析执行模块等。在多维分析处理方面,使用Spark处理维度表和事实表时都只读取与此次查询有关的列,减少分布式计算框架Spark计算的数据总量;对维表进行按层次的编码处理,通过将有层次信息的层次编码替换事实表的外键,生成有层次信息的编码事实表;使用Spark可重用工作数据集的特性,将有层次信息的编码事实表缓存起来,使接下来的多维分析可重用有层次信息的编码事实表,有效的减少了联机分析处理中的多表连接操作。对比实验表明,基于Spark的联机分析处理系统在连续执行涉及维度相同的多维分析语句时,能够很好的重用维度表和事实表的连接结果,在整体执行效率方面与基于Hive和基于Spark SQL的联机分析处理系统相比较有一定的提高。