มี 3 หมวดหมู่หลักของ OLAP Tools ดังนี้:
1. MOLAP (Multidimensional OLAP)
MOLAP รองรับ Tuples เป็นหน่วยจัดเก็บข้อมูล ใช้ Dedicated N-dimensional Array Storage Engine และ OLAP Middleware จัดการข้อมูล ดังนั้น OLAP Queries ทำเสร็จผ่าน Direct Addressing ไปยัง Multidimensional Views (Data Cubes) ที่เกี่ยวข้อง
โครงสร้างนี้เน้น Pre-computation ของ Transactional Information เข้า Aggregations ซึ่งทำให้ Query Execution Performance รวดเร็ว โดยเฉพาะ MOLAP Pre-computes และจัดเก็บ Aggregated Measures ที่แต่ละ Hierarchy Level ใน Load Time และจัดเก็บและ Index ค่าเหล่านี้เพื่อการดึงข้อมูลทันที
Full Pre-computation ต้องการ Overhead มากทั้งเวลาประมวลผลและพื้นที่จัดเก็บ สำหรับ Sparse Data MOLAP ต้องการ Sparse Matrix Compression Algorithms เพื่อเพิ่มประสิทธิภาพการใช้พื้นที่จัดเก็บ และโดยทั่วไปมีลักษณะ On-disk Size ของข้อมูลเล็กกว่าเทียบกับข้อมูลที่จัดเก็บใน RDBMS
MOLAP-based Products จัดเรียง นำทาง และวิเคราะห์ข้อมูลโดยทั่วไปในรูปแบบ Aggregated ต้องการ Tight Coupling กับซอฟต์แวร์ และพัฒนาบน Multidimensional Database (MDDB) System การ Implement ที่มีประสิทธิภาพจัดเก็บข้อมูลในลักษณะคล้ายกับรูปแบบที่ใช้ โดยใช้วิธีจัดเก็บที่ปรับปรุงเพื่อลดพื้นที่จัดเก็บ
2. ROLAP (Relational OLAP)
ROLAP จัดเก็บข้อมูลบน Relational DBMS Technology ที่คุ้นเคยแล้ว ในกรณีนี้ Data และ Aggregations ที่เกี่ยวข้องจัดเก็บใน RDBMS และ OLAP Middleware ดำเนินการจัดการและสำรวจ Data Cubes
สถาปัตยกรรมนี้มุ่งเพิ่มประสิทธิภาพ RDBMS Back End และสนับสนุน Tools และ Services เพิ่มเติม รวมถึง Data Cube Navigation Logic เนื่องจากใช้ RDBMS Back End ประโยชน์หลักของ ROLAP คือ Scalability (ความสามารถในการขยาย) ในการจัดการข้อมูลปริมาณมาก
ROLAP Systems ทำงานบ่อยครั้งจากข้อมูลที่ครอบครอง Relational Database โดย Base Data และ Dimension Tables จัดเก็บเป็น Relational Tables โมเดลนี้อนุญาตให้ทำ Multidimensional Analysis ของบันทึกได้
เป็น OLAP Technology Segment ที่ใหม่ที่สุดและเติบโตเร็วที่สุดในอุตสาหกรรม วิธีนี้ช่วยให้ Multidimensional Views หลายมุมมองของ Relational Tables 2 มิติ สร้างได้ ป้องกันการจัดโครงสร้างบันทึกรอบๆ มุมมองที่ต้องการ
3. MQE (Managed Query Environment)
MQE ย่อมาจาก Managed Query Environment บางผลิตภัณฑ์สามารถให้ Ad-hoc Queries เช่น Data Cube และ Slice and Dice Analysis Capabilities ได้ โดยการพัฒนา Query เพื่อเลือกข้อมูลจาก DBMS ซึ่งส่งข้อมูลที่ร้องขอไปยังระบบที่วางลงใน Data Cube
Data Cube นี้สามารถจัดเก็บใน Desktop ท้องถิ่นและจัดการที่นั่นเพื่อลด Overhead ที่ต้องสร้างโครงสร้างทุกครั้งที่ Query รัน หลังจัดเก็บข้อมูลใน Data Cube การวิเคราะห์และดำเนินการหลายมิติสามารถนำไปใช้กับมันได้
