SSAS-veiledning: Hva er SSAS Cube, Architecture & Typer

Architecture av SSAS

Først i denne SSAS-opplæringen vil vi lære om SSAS-arkitekturen:

Det arkitektoniske synet på SQL-serveranalysetjenester er basert på en trelagsarkitektur, som består av

1. RDBMS: Dataene fra forskjellige kilder som Excel, Database, Tekst, andre kan hentes ved hjelp av ETL-verktøy inn i RDBMS.
2. SSAS: Aggregerte data fra RDBMS skyves inn i SSAS-kuber ved å bruke analysetjenesteprosjekter. SSAS-kubene vil lage en analysedatabase, og når analysedatabasen er klar kan den brukes til mange formål.
3. Klient: Klienter kan få tilgang til data ved hjelp av Dashboards, Scorecards, Portals etc.

Historien om SSAS

Nå i denne SSAS-opplæringen vil vi gå gjennom historien til SSAS:

• MSOLAP-funksjonen ble først inkludert i SQL Server 7.0. Denne teknologien ble senere kjøpt fra et israelsk selskap kalt Panorama.
• Snart blir det mest brukte OLAP-motorer fordi det ble inkludert som en del av SQL Server.
• SSAS ble fullstendig renovert med utgivelsen av MS-SQL server 2005
• Denne siste versjonen tilbyr også en funksjon for "underkuber" med Scope-erklæringen. Dette har økt funksjonaliteten til SSAS-kuber.
• SSAS 2008R2 og 2012-versjoner er hovedsakelig opptatt av søkeytelse og skalerbarhet
• In Microsoft excel 2010 kom et tillegg kalt PowerPivot som bruker en lokal forekomst av analysetjeneste med ny XVelocity-motor som øker søkeytelsen

Viktig SSAS-terminologi

Nå i denne veiledningen for SSAS-tabellmodeller vil vi lære noen viktige terminologier for SSAS:

• Datakilde
• Datakildevisning
• Cube
• Dimensjonstabell
• Dimensjon
• Nivå
• Faktatabell
• Måle
• Skjema

Datakilde

Datakilde er en slags tilkoblingsstreng. Det etablerer en forbindelse mellom analysedatabasen og RDBMS.

Datakildevisning

Datakildevisning er en logisk modell av database

Cube

En kube er en grunnleggende lagringsenhet. Det er en samling av data som har blitt aggregert for å tillate spørringer å returnere data raskt.

MOLAP

MOLAP er laget av datakube som inneholder mål og dimensjoner. Det inkluderer alle medlemmene som kan være i et hierarkisk forhold.

Det er et spesifikt sett med regler som hjelper deg med å bestemme hvordan visse celler beregnes i en sparsom kube og måler verdier som er rullet opp i disse hierarkiene.

Dimensjonstabell

• En dimensjonstabell inneholder dimensjoner av et faktum.
• De er koblet til faktatabellen ved hjelp av en fremmednøkkel.
• Dimensjonstabeller er de-normaliserte tabeller.
• Dimensjoner tilbyr egenskaper ved fakta ved hjelp av deres attributter.
• Ikke tilbudsgrense satt for et gitt antall dimensjoner
• Dimensjonen inneholder en eller flere hierarkiske relasjoner.

Dimensjon

Dimension tilbyr konteksten rundt en forretningsprosesshendelse. Enkelt sagt gir de hvem, hva, hvor av et faktum. I salgsprosessen, for det faktiske salgsnummeret, vil dimensjonene være hvem som heter kunden.

• Hvor – Plassering
• Hva – Produktnavn
• Med andre ord kan du si at en dimensjon er et vindu for å se informasjonen i fakta.

Nivå

Hver type sammendrag som kan hentes fra enkeltdimensjonen kalles etikett.

Faktatabell

En faktatabell er den viktigste tabellen i en dimensjonsmodell. En faktatabell inneholder målinger/fakta og Utenlandsk nøkkel til dimensjonstabellen. For eksempel lønnsdrift.

Måle

Hver faktatabell inneholder en eller flere tabeller som bør analyseres. For eksempel selger en bok informasjonstabell. Det kan være en fortjeneste eller tap for antall solgte bøker.

Skjema

Ocuco database skjema for et databasesystem og dets struktur beskrevet på et formelt språk. Den støtter databasestyringssystemet. Begrepet "skjema" betyr organisering av data som en blåkopi av måten databasen er konstruert på.

Type modeller i SSAS

Nå vil vi lære typer modeller i SSAS i denne SSAS-kubeopplæringen:

Multidimensjonal datamodell

Ocuco Multidimensjonal datamodell, som består av en datakube. Det er en gruppe operasjoner som lar deg spørre om verdien til celler ved å bruke kube- og dimensjonsmedlemmer som koordinater.

Den definerer regler som bestemmer måten måleverdier rulles opp i hierarkier eller hvordan spesifikke verdier beregnes i en sparsom kube.

Tabellmodellering

Tabellmodellering organiserer data i relaterte tabeller. Tabellen betegnes ikke som "dimensjoner" eller "fakta", og utviklingstiden er mindre med tabeller på grunn av alle relaterte tabeller som kan tjene begge rollene.

Tabell vs. flerdimensjonal modell

Nøkkelfunksjoner ved SSAS

Viktige funksjoner ved SSAS er:

• Det tilbyr bakoverkompatibilitet på API-nivå.
• Du kan bruke OLEDB for OLAP for klienttilgangs-API og MDX som spørringsspråk.
• SSAS hjelper deg med å bygge MOLAP-, HOLAP- og ROLAP-arkitekturer
• Den lar deg jobbe i klient-server-modus eller offline-modus.
• Du kan bruke SSAS-verktøyet med forskjellige veivisere og designere.
• Oppretting og administrasjon av datamodeller er fleksibel.
• Tilpass applikasjonen fra omfattende støtte
• Tilbyr dynamisk struktur, ad hoc-rapport, delte metadata og sikkerhetsfunksjoner

SSAS vs. PowerPivot

Fordeler med SSAS

Fordeler/fordeler med SSAS er:

• Hjelper deg å unngå ressursstrid med kildesystemet
• Det er et ideelt verktøy for numerisk analyse.
• SSAS muliggjør oppdagelse av datamønstre som kanskje ikke er umiddelbart synlige ved å bruke data mining-funksjonene innebygd i produktet.
• Den tilbyr en enhetlig og integrert visning av alle dine forretningsdata. Rapportering, analyse av Key Performance Indicator (KPI) målkort Data mining.
• SSAS tilbyr online analytisk behandling (OLAP) av data fra ulike datakilder.
• Det lar brukere analysere data med en rekke verktøy, inkludert SSRS og Excel.

Ulemper ved å bruke SSAS

• Når du har valgt en bane (tabellform eller flerdimensjonal) kan du ikke migrere til den andre versjonen uten å starte på nytt
• Du har ikke lov til å "slå sammen" data mellom tabellformede og flerdimensjonale kuber
• Tabell viser seg å være risikabelt hvis kravene endres midtveis i prosjektet

Beste praksis for bruk av SSAS

• Optimaliser kube og mål gruppedesign
• Du bør definere nyttige aggregasjoner
• Bruk partisjoner-metoden
• Skriv Effektiv MDX
• Bruk Query Engine Cache effektivt
• Skaler ut når du ikke lenger kan skalere opp