你还可以将一个分区同表、视图和SQL查询绑定。如果一个关系型数据仓库有多个表单存储事实数据，并且表单大小不超过建议范围，那么你就应该将分区同表绑定。如果你有一个单一的大事实表，那么你可以为每一个Analysis Services分区写一个SQL 查询来检索部分数据。 

　　视图为分区绑定提供了一个不错的选择，特别是在做立方体测试时。例如：如果事实表有数百万行数据，那么对它的处理就会十分耗时。在测试解决方案时，你不必读取所有数据，而只需创建一个视图，只选择表中部分行就可以了。 

　　然后，当你准备将方案应用到生产中时，修改你的分区定义，让它们同适合的表、查询和视图绑定。 

　　你如何决定什么样的数据应该出现在分区当中？SQL Server Analysis Services使用分区来加速MDX查询。每个分区都包含一个XML文件，它定义了某个分区内的成员维度标识范围。当执行一个MDX查询时，Analysis Services引擎将根据每个分区中的XML文件value来决定扫描那些分区文件。 

　　XML文件是在处理分区时创建的，它存储在每个分区文件夹中。不要试图编辑它，因为维度的关键参考值是内部值，SQL Server Analysis Services不可以进行检索。 

　　如果MDX查询的数据请求遍布度量组的所有分区时，Analysis Services就不得不读取所有分区。想要知道度量组中哪些分区被读取了，你可以记录一个SQL Profiler追踪。如果查询数据请求只存在于单一分区中，你的查询只需扫描一个分区文件就可以了。 

　　读取一个500MB的文件总比扫描总大小相同的200个文件要强。如果你要读取200个分区，Analysis Services可以并行扫描器中的一部分。要是有良好的分区设计，你就不必非要进行200次的缓慢查询了。 

　　为达到最佳MDX查询性能，你应该调整分区设计以适应普通查询。大多数SQL Server Analysis Services方案都以使用数据或周期维度的度量组分区开始，每个分区生成一个月或一天的数据。 

　　如果你的查询通常集中在某个月内，这不失为一种好的方法。但是如果查询检验所有月份的数据并具体到产品类别该怎么办?这样的话，按月分区并不是最佳方法。 

　　如果你有十年内的有用数据，并按月分区(这种情况并不常见)，那每个查询将检索120个分区。这种情况下，如果按照产品类别维度来适当增长分区日期跨度，那么查询性能无疑会更好。 

　　像其他SQL Server Analysis Services对象一样，分区拥有大量属性。而被谈论最多的恐怕就是partition slice了。这一属性定义了度量组中的部分数据，Analysis Services期望它们被分区曝光。 

　　大多数Analysis Services资料建议不必为多维OLAP存储分区而设置partition slice属性。然而在大多数情况下，Analysis Services可以通过检测info.xml文件中的数据ID来判断每个分区中的成员维度，为安全起见你应该设置partition slice属性，无论分区采用哪种存储模式。 

　　partition slice通过MDX定义。下面是一个例子，2001分区的slice定义： 

　　[Date].[Calendar].[Calendar Year]. &[2001]  

　　按照产品分类进行数据分区，slice定义如下： 

　　 ([Date].[Calendar].[Calendar Year]. & [2001], [Product].[Product Categories].[Category]. & [1])  

　　你如果在某个维度中没有定义slice，SQL Server Analysis Services就默认为任何维度中的成员都能在分区中找到。 

　　例如：在partition slice中指定一个月份和产品类别但没有指定商店。按照商店检索销售数据的查询可能就会检索所有分区了。 

　　你还可以为每个分区都自定义一个存储模式。MOLAP存储模式对于数据检索是最佳的，但它会对你的相关数据进行拷贝。如果不想拷贝，你可以使用关系型OLAP模式。比如：最近的分区可以使用MOLAP模式而原来的分区可以使用ROLAP。 

　　SQL Server Analysis Services对于分区数有一个上限2,147,483,647，但是cube拥有这么多分区的情况并不常见。所以不必担心分区上限问题。 

　　但数据很陈旧并很少有人访问时，你可以把原来的分区合并为周分区或月分区。你可以使用SSMS来合并分区，右键点击分区选择合并分区选项。 

　　以下是一个合并分区的XMLA： 

<MergePartitions    >      <Sources>        <Source>          <DatabaseID>Adventure Works DW 2008</DatabaseID>          <CubeID>Adventure Works</CubeID>          <MeasureGroupID>Fact Internet Sales 1</MeasureGroupID>          <PartitionID>Internet_Sales_2002</PartitionID>        </Source>      </Sources>      <Target>        <DatabaseID>Adventure Works DW 2008</DatabaseID>        <CubeID>Adventure Works</CubeID>        <MeasureGroupID>Fact Internet Sales 1</MeasureGroupID>        <PartitionID>Internet_Sales_2001</PartitionID>      </Target>    </MergePartitions>