故此，客户对性能好坏没有太大的感觉，但是当系统中的数据过于庞大，达到TB级(海量数据)时，就不得不考虑性能问题了，试想，如果运算了三十分钟结果还是出不来，最终死机了，您能忍受吗?但如果仅需要十秒八秒就完成三十分钟的事情，您觉得如何?要达到这样的效果，必须解决性能低劣问题，要拥有以下四方面创新技术：

　　1、 超高速ETL引擎技术

　　要解决海量数据性能问题，必不可少方法之一就是建数据仓库，要建好数据仓库就必须要有好的ETL，没有好的ETL工具，数据仓库肯定差，当数据量越大时，您的运行速度必定很慢。例如出入境报表性能处理案例，出入境系统主要是统计全国出入境人口情况,所以数据量相当庞大(千万记录级)，在软硬件条件都已非常好的情况下(Oracle 10g / 10多台刀片式服务器集群服务)，按传统的做法,从数据库查询一条简单SQL语句，Oracle需要30分钟后才有回应。为了提高性能，我们使用数据仓库技术解决此问题，利用数据仓库技术，针对业务关系数据库的大数据量表，划分为多个大数据量主题，建立相应的多维数据集。根据对出境申请和签注办理这两个多维数据集的测试结果，性能可提高几十倍甚至过百倍。一般条件下，不超过10秒可出结果。不管多复杂的条件组合，一般也不超过一分钟可出结果。目前出入境如涉及到数据量比较大的表时，都采用了此数据仓库方式实现。使用了数据仓库后,报表统计速度由原来的56分钟,降到现在只需10多秒就统计完毕. 性能比以前提高几十倍甚至过百倍。

　　2、 “去掉”表关联技术

　　在您构造各种组合查询、报表时会涉及表与表之间的关系，即是通过表的关键标识将表关联起来，如果您涉及查询表关联越多，速度将会越慢，尤其是数据量大时，更有可能死机。故此必须要有“去掉”表关联技术，通过一种计算方式，在众多的路径中找到最短的路径，通过简单的拖放连线，熟悉库结构的IT人员或开发商就可以预先把表关系建好在语义层中，支持多字段关联、内外连接。这样，最终用户在做查询或报表时，就不必理会表关联了，需要查什么直接拖放即可。

　　3、 代码表快速转换技术

　　在利用计算机进行查找时，我们都知道英文比中文快，数字比中文快。如果数据库很多字段里的内容是中文，那么对中文进行查找会相当慢，若查找的量很大，则有可能出现“老牛拉破车”一样令人无法忍受。这时候必须要有一项技术进行代码表转换，这项技术可以把任何东西变成数字或字符处理，计算机频繁处理时是数据，出来的结果是中文，由数字和中文一一对应，使查找起来非常快速。

　　4、 海量数据处理技术

　　当查询统计分析的数据量非常大(达到TB级)时，数据的缓存空间就成为处理海量数据最大的难题，以内存提供缓存空间的做法将极大程度上影响到其他的后台运作，当内存无法负荷时就会导致速度缓慢，任务排队，甚至是系统死机，BQ的“资源人工智能分配技术”通过对CPU，内存和硬盘的智能分配，实现海量数据的高效查询。

　　上述这四个方面在性能上是至关重要的，也是技术上最大的难点!