这篇博文的结构如下：

既然已经有了很好的描述，我将只给出一个非常简短的概述。关于详细说明，我推荐以下链接：

优化BW查询性能2013SQL Server 2014 Columnstore：针对SAP BW 2015发布SQL Server 2014 Columnstore 2015概念SAP BW 2015中Columnstore优化的扁平立方体针对SAP（BW）2016的SQL Server 2016改进简化和更快的SAP BW流程链2016针对SQL Server 2017的SAP BW最新改进使用FEMS pushdown 2017按因子快速查询BWSAP BW在SQL Server 2017上的性能演变2017年SAP BW FEMS推出的客户体验通过应用Flat Cube 2018提高SAP BW性能Columnstore在SAP BW 2018中成为默认值

MS SQL Server中的Columnstore并不新鲜。实现是与mssqlserver本身一起交付的。martinmerdes和他的团队将实现移植到sapbw。除了Microsoft的SQL Server之外，还存在一个列存储实现，用于DB2（SNote 2301464）或Oracle（SNote 2150530/SNote 2351252）。

在SAP BW的上下文中，列存储用于多维数据集。在ERP系统中也有使用列存储的方法。

实际实现可以在Martin Merdes的详细文章或SAP SNotes中阅读。

在这个实现中，索引取代了多维数据集的索引。B树索引被列存储索引替换。列存储索引小于B树索引，因此所需的存储空间会减少。

根据MS SQL Server的版本，列存储索引有不同的版本。在MS SQL Server 2012开始时，5118大数据，列存储索引不可更新。列存储索引只能应用于e-fact表。建议使用最新版本的MS SQL Server。

flatcube与HANA优化的多维数据集非常相似。flatcube除了请求的维度之外，没有其他维度。也只有一个事实表。SID直接存储在事实表中（相当于行项目）。

一旦转换为flatcube，多维数据集就不能加载到BWA中。始终可以将立方体转换回标准立方体。

查看ABAP字典可显示不同数量的对象。很明显，flatcube的对象数较少。

FEMS下推是微软新的语句生成器提供的一种机制。查询语句被拆分，因此可以在数据库中进行并行处理。为了使其工作，一个查询必须至少有两个fem。FEMS代表形式元素选择。FEMS可以是具有特定选择的关键数字–例如来自特定客户和地区的销售编号。

使用标准语句生成器，查询过滤器在处理过程中应用得很晚。因此，数据与大数据技术，在应用过滤器之前，可能会将大量数据传输到应用程序服务器。在应用服务器上，数据被过滤和聚合。

随着FEMS的下推，计算和过滤被推送到更大程度的数据库中。因此，可以提高整体查询性能。FEMS下推只能与flatcube结合使用。

下表显示了一个极端的示例。

开始时，先决条件和不同的变体并不完全清楚。我建议仔细阅读SNotes以及martinmerdes的博客（本文开头的链接）。设置很简单。SNotes可以毫无问题地实现。我建议将列存储的中心SNote设置为收藏夹。新的snote与改进和错误修复定期发布。列存储索引或flatcube的设置和转换很容易理解。但它仍然需要一些知识（在哪里单击/报告）。如果要在生产系统中使用列存储，我建议对您的同事进行简短的培训，特别是那些在应用程序管理服务中工作的同事。

为了评估加载性能，从不同应用程序加载了几个多维数据集，总共加载了5.2亿行。图中显示了flatcubes在加载性能方面有很大的优势。flatcubes没有需要花费时间构建的维度表。

在下面的图表中有四个应用程序的摘录。总的来说有一些差异。应用程序3是一个相对较小的应用程序，具有细长的立方体。应用程序3中扁平立方体的加载时间可能是一个缺点。其他应用程序的多维数据集包含100到200个字段。

在存储方面，可以通过应用列存储索引来实现大规模的缩减，甚至可以通过应用flatcubes来实现更大的缩减。列存储索引平均减少60%，flatcubes平均减少87%。应用程序6中的存储减少已与"正常"多维数据集和SPO进行了比较。

在报告性能比较中不包括标准多维数据集。标准的多维数据集比其他三个变体慢——只有两个查询例外。这三种变体如下：flatcube、fems pushdown和BWA。时间是在事务RSRT中测量的。执行过程中未使用缓存。

图中显示的数字是基于flatcubes执行时间的相关因素。因此，大数据好就业吗，任何大于1的数字表示性能较差，任何小于1的数字表示性能较高。

关于报告性能的结论：

在大多数情况下，flatcube比BWA快。fems下推可以极大地加速查询。另一方面，fems下推的性能甚至比标准立方体还要差。在某些情况下，BWA是无与伦比的。BWA能够执行特殊的函数来计算内存中的一些关键数字。其他变体依赖于相当慢的应用服务器。函数的一个例子是消除内部业务量（德语：Binnenumsatzeleminierung）。

一般来说，关于报告性能有两个建议：