SAP BW 中一般的分析报表都是基于信息立方体的。信息立方体的事实表针对各个维度都有一个默认的索引，但是不同的维度的索引类型可能是不同的：大部分维度使用的都是Bit-Map索引， 这种索引对于低Cardinality的数据效率特别高。而对于高Cardinality的数据，Bit-Map的效率会大大降低，有时候索引甚至比数据更大。这个时候我们就要选择 Line Item 维度 或者High Cardinality 维度， 他们使用的是B-Tree索引。

Cardinality=（一列中相异值的数目）/（表的总记录数）

比如下面这张简单的表
X  Y
1  100
2  200
3  100
4  300
5  200

X列的Cardinality是1，而Y列的是3/5=0.6

那么这种索引对于低Cardinality的数据是如何实现高效率的呢？

建立BitMap索引

Bitmap索引首先会将表列的值转化为布尔值存储：1代表真，0代表假。
以下表为例：
X   Y             Z
1   100         FOO
2   200         BOO
3   100         BOO
4   300         ZOO
5   200         FOO

表中X为主键，Y, Z为非主键。所以我们可以为Y和Z列建立Bitmap索引。为了给Y列建立索引，首先我们要找到Y列的所有可能值：
Y
100
200
300

然后你问自己，对于100来说，从第一行开始知道最后一行，它是否存在于Y列，是就是1，否就是0. 这样你可以得到一个布尔数列，这个数列的位数等于表的记录数：
100： 1 0 1 0 0
或者这么看
X   Y             Z          Y(100)
1   100         FOO     1
2   200         BOO     0
3   100         BOO     1
4   300         ZOO     0
5   200         FOO     0

以此类推我们可以建立Y列的Bitmap索引:
X   Y             Z          Y(100)  Y(200)   Y(300)
1   100         FOO     1           0           0           
2   200         BOO     0           1           0
3   100         BOO     1           0           0
4   300         ZOO     0           0           1
5   200         FOO     0           1           0

即:
Y              Bitmap
100         10100
200         01001
300         00010

同理可得Z的索引：
Z           Bitmap
FOO      10001
BOO      01100
ZOO      00010

以上是Bitmap索引的生成原理。那么查询是怎么工作在Bitmap索引上面，Bitmap索引是如何提高查询的性能的呢？