SSAS-Tutorial: Was ist SSAS Cube? Architektur & Typen

⚡ Intelligente Zusammenfassung

SSAS, SQL Server Analysis Services, ist MicrosoftDer OLAP-Server und die Analyse-Engine von [Name des Unternehmens] ermöglichen die dimensionsübergreifende Analyse großer Datenmengen. Er ist in zwei Varianten verfügbar – multidimensional und tabellarisch – und verarbeitet aggregierte Daten aus einem relationalen Datenbankmanagementsystem (RDBMS), um Cubes und Modelle für schnelle Analysen zu erstellen.

🧊 Hauptzweck: SSAS ist ein multidimensionaler OLAP-Server, mit dem Sie große Datenmengen analysieren und zerlegen können.
️ Drei Stufen: Ein relationales Datenbankmanagementsystem (RDBMS) speist SSAS-Cubes, und Clients lesen diese über Dashboards und Portale aus.
🧱 Schlüsselbegriffe: Datenquelle, Cube, Dimension, Ebene, Faktentabelle, Kennzahl und Schema definieren das Modell.
🔀 Zwei Varianten: Multidimensionale Modelle verwenden Cubes und MDX; tabellarische Modelle verwenden verknüpfte Tabellen und DAX.
💾 Speichermodi: SSAS unterstützt die Architekturen MOLAP, HOLAP und ROLAP.
️ Tabellarisch vs. mehrdimensional: Tabellarische Darstellungen sind einfacher und speicherbasiert; mehrdimensionale Darstellungen eignen sich für ein Sternschema.
🔐 Enterprise Fit: Sicherheit auf Zeilenebene, Partitionierung und OLAP machen es zu einer Business-Intelligence-Engine für Unternehmen.

Was ist SSAS?

SQL Server Analysis Services (SSAS) ist ein multidimensionaler OLAP-Server und gleichzeitig eine Analyse-Engine, mit der Sie große Datenmengen analysieren und auswerten können. Er ist Teil von Microsoft SQL Server und unterstützt die Analyse verschiedener Dimensionen. Es gibt zwei Varianten: multidimensionale und tabellarische. SSAS steht für SQL Server Analysis Services.

ArchiStruktur von SSAS

Zunächst werden wir uns mit der SSAS-Architektur beschäftigen.

Die Architektur von SQL Server Analysis Services basiert auf einer dreistufigen Architektur, die aus Folgendem besteht:

RDBMS: Daten aus verschiedenen Quellen wie Excel, Datenbanken und Texten können mithilfe eines solchen Systems abgerufen werden. ETL-Tool in das RDBMS.
SSAS: Aggregierte Daten aus dem RDBMS werden mithilfe von Analysis Services-Projekten in SSAS-Cubes übertragen. Die SSAS-Cubes bilden eine Analysedatenbank, die anschließend für vielfältige Zwecke genutzt werden kann.
Kunde: Kunden können über Dashboards, Scorecards, Portale usw. auf Daten zugreifen.

Geschichte von SSAS

Nun werden wir die Geschichte von SSAS durchgehen:

Die MSOLAP-Funktion wurde erstmals in SQL Server 7.0 eingeführt. Diese Technologie wurde später von einem israelischen Unternehmen namens Panorama erworben.
Es wurde schnell zu einer der meistgenutzten OLAP-Engines, da es als Bestandteil von SQL Server enthalten war.
SSAS wurde vollständig renoviert mit der Veröffentlichung von MS SQL Server 2005
Diese Version bot außerdem eine Funktion für „Subcubes“ mit der Scope-Anweisung, was die Funktionalität von SSAS-Cubes erhöhte.
Bei den SSAS-Versionen 2008 R2 und 2012 lag der Fokus hauptsächlich auf Abfrageleistung und Skalierbarkeit.
In Microsoft Mit Excel 2010 wurde ein Add-In namens PowerPivot eingeführt, das eine lokale Instanz von Analysis Services mit der neuen xVelocity-Engine nutzt, um die Abfrageleistung zu steigern.

Wichtige SSAS-Terminologie

Nun lernen wir einige wichtige Begriffe von SSAS kennen:

Datenquelle
Datenquellenansicht
Würfel
Dimensionstabelle
Abmessungen
Niveau
Faktentabelle
Messen
Schema

Datenquelle

Eine Datenquelle ist eine Art Verbindungszeichenfolge. Sie stellt eine Verbindung zwischen der Analysedatenbank und dem System her. RDBMS.

Datenquellenansicht

Eine Datenquellensicht ist ein logisches Modell der Datenbank.

Würfel

Ein Cube ist eine grundlegende Speichereinheit. Es handelt sich um eine Sammlung aggregierter Daten, die es ermöglichen, Abfragen schnell durchzuführen und Daten zurückzugeben.

MOLAP

MOLAP besteht aus einem Datenwürfel, der Kennzahlen und Dimensionen enthält, einschließlich aller Elemente, die in einer hierarchischen Beziehung stehen können. Es handelt sich um ein spezifisches Regelwerk, das festlegt, wie bestimmte Zellen in einem dünnbesetzten Datenwürfel berechnet und wie Kennzahlenwerte innerhalb dieser Hierarchien aggregiert werden.

Dimensionstabelle

Eine Dimensionstabelle enthält die Dimensionen eines Fakts.
Sie sind über einen Fremdschlüssel mit der Faktentabelle verknüpft.
Dimensionstabellen sind denormalisierte Tabellen.
Dimensionen beschreiben die Eigenschaften von Fakten anhand ihrer Attribute.
Es gibt keine festgelegte Obergrenze für eine bestimmte Anzahl von Dimensionen.
Eine Dimension enthält eine oder mehrere hierarchische Beziehungen.

Abmessungen

Eine Dimension liefert den Kontext eines Geschäftsprozessereignisses. Vereinfacht ausgedrückt, gibt sie Auskunft darüber, wer, was und wo ein Sachverhalt stattfindet. Im Vertriebsprozess wären die Dimensionen für den Sachverhalt „Verkaufszahl“ beispielsweise folgende:

Wer – Kundennamen.
Wo – Standort.
Was – Produktname.

Mit anderen Worten: Eine Dimension ist ein Fenster, durch das man die Informationen in den Fakten betrachten kann.

Niveau

Jede Art von Zusammenfassung, die aus einer einzelnen Dimension abgerufen werden kann, wird als Ebene bezeichnet.

Faktentabelle

Eine Faktentabelle ist die wichtigste Tabelle in einem Dimensionsmodell. Sie enthält Messwerte oder Fakten und eine Fremdschlüssel zur Dimensionstabelle, zum Beispiel für Lohn- und Gehaltsabrechnungsvorgänge.

Messen

Jede Faktentabelle enthält eine oder mehrere Kennzahlen, die analysiert werden sollten. Beispielsweise kann eine Tabelle mit Informationen zu Buchverkäufen den Gewinn oder Verlust anhand der Anzahl verkaufter Bücher ermitteln.

Schema

Das Datenbank Das Schema eines Datenbanksystems ist dessen Struktur, beschrieben in einer formalen Sprache und unterstützt vom Datenbankmanagementsystem. Der Begriff „Schema“ bezeichnet die Organisation der Daten als Bauplan für den Aufbau der Datenbank.

Modelltypen in SSAS

Nun lernen wir die verschiedenen Modelltypen in SSAS kennen.

Mehrdimensionales Datenmodell

Das mehrdimensionales Datenmodell Besteht aus einem Datenwürfel. Es handelt sich um eine Gruppe von Operationen, mit denen Sie den Wert von Zellen abfragen können, indem Sie Würfel- und Dimensionselemente als Koordinaten verwenden. Es definiert Regeln, die festlegen, wie Messwerte innerhalb von Hierarchien aggregiert oder wie spezifische Werte in einem dünnbesetzten Würfel berechnet werden.

Tabellarische Modellierung

Die tabellarische Modellierung organisiert Daten in zusammenhängenden Tabellen. Die Tabellen werden nicht als „Dimensionen“ oder „Fakten“ bezeichnet, und die Entwicklungszeit ist mit tabellarischer Modellierung kürzer, da alle zusammengehörigen Tabellen beide Funktionen erfüllen können.

Tabellarisches vs. mehrdimensionales Modell

Kenngrößen	Tabellarisch	Mehrdimensionale
Memory	In-Memory-Cache	Dateibasierte Speicherung
Struktur	Lockere Struktur	Starre Struktur
bestes Feature	Daten müssen nicht von der Quelle verschoben werden	Am besten, wenn die Daten in einem Sternschema angeordnet sind.
Modelltyp	Relationales Modell	Dimensionsmodell
Abfragesprache	DAX	MDX
Komplexität	Einfacher	Complex
Größe	Kleinere	Größere

Hauptmerkmale von SSAS

Die wesentlichen Merkmale von SSAS sind:

Es bietet Abwärtskompatibilität auf API-Ebene.
Sie können OLE DB für OLAP für die Clientzugriffs-API und MDX als Abfragesprache verwenden.
SSAS unterstützt Sie beim Aufbau von MOLAP-, HOLAP- und ROLAP-Architekturen.
Es ermöglicht Ihnen, im Client-Server-Modus oder im Offline-Modus zu arbeiten.
Das SSAS-Tool kann mit verschiedenen Assistenten und Designern verwendet werden.
Die Erstellung und Verwaltung von Datenmodellen ist flexibel.
Sie können Anwendungen mit umfassender Unterstützung individuell anpassen.
Es bietet eine dynamische Struktur, Ad-hoc-Berichte, gemeinsam genutzte Metadaten und Sicherheitsfunktionen.

SSAS vs PowerPivot

Parameter	SSAS	PowerPivot
Was es ist	SSAS Multidimensional ist „Corporate BI“	Microsoft PowerPivot ist „Self-Service BI“.
Einsatz	Bereitgestellt auf SSAS	In SharePoint bereitgestellt
Verwendet für	Visual Studio-Projekt	Excel
Größe	Beschränkt auf den Speicher	Die Speicherkapazität ist auf 2 GB begrenzt.
Partitionsunterstützung	Unterstützt Partitionierung	Keine Partitionen
Abfragetyp	DirectQuery und Vertipaq	Erlaubt nur Vertipaq-Abfragen
Admin-Tools	Serververwaltungstools (z. B. SSMS)	Excel- und SharePoint-Administrator
Sicherheit	Zeilenbasierte und dynamische Sicherheit	Sicherheit der Arbeitsmappendatei

Vorteile von SSAS

Die Vorteile von SSAS sind:

Hilft Ihnen dabei, Ressourcenkonflikte mit dem Quellsystem zu vermeiden.
Es ist ein ideales Werkzeug für die numerische Analyse.
SSAS ermöglicht die Entdeckung von Datenmustern, die möglicherweise nicht sofort ersichtlich sind, indem die im Produkt integrierten Data-Mining-Funktionen genutzt werden.
Es bietet eine einheitliche und integrierte Sicht auf alle Ihre Geschäftsdaten für Reporting, KPI-Scorecard-Analyse und Data Mining.
SSAS bietet Online-Analyseverarbeitung (OLAP) von Daten aus verschiedenen Datenquellen.
Es ermöglicht Benutzern, Daten mit einer Vielzahl von Tools zu analysieren, darunter SSRS und Excel.

Nachteile der Verwendung von SSAS

Sobald Sie einen Pfad (tabellarisch oder multidimensional) ausgewählt haben, können Sie nicht zur anderen Version wechseln, ohne von vorne zu beginnen.
Es ist nicht zulässig, Daten zwischen tabellarischen und mehrdimensionalen Datenwürfeln zusammenzuführen.
Tabellarische Darstellungen können riskant sein, wenn sich die Anforderungen während des Projekts ändern.

Best Practices für die Verwendung von SSAS

Optimierung des Designs von Messwürfeln und Messgruppen.
Definiere sinnvolle Aggregationen.
Verwenden Sie die Partitionsmethode.
Effizientes MDX schreiben.
Nutzen Sie den Abfrage-Engine-Cache effizient.
Skalieren Sie nach außen, wenn Sie nicht mehr nach oben skalieren können.

Häufig gestellte Fragen

Wählen Sie tabellarische Datenstrukturen für einfachere, speicherbasierte Modelle und eine schnellere Entwicklung mit DAX. Wählen Sie multidimensionale Datenstrukturen für große Sternschema-Data-Warehouses, die komplexe Berechnungen und MDX erfordern. Eine Migration zwischen den Datenstrukturen bedeutet, dass Sie von vorne beginnen müssen.

MOLAP speichert Aggregate in einem Cube für schnelles Lesen, ROLAP belässt die Daten in der relationalen Quelle, und HOLAP ist ein Hybrid, der Details relational und Aggregate im Cube speichert.

DAX ist die Formel- und Abfragesprache für tabellarische Modelle und ähnelt Excel-Formeln. MDX ist die Abfragesprache für mehrdimensionale Cubes und arbeitet mit Elementen, Tupeln und Mengen.

KI kann vorschlagen, welche Kennzahlen und Dimensionen modelliert werden sollen, DAX- oder MDX-Diagramme aus einer einfachen Fragestellung erstellen und Muster in Cube-Daten aufdecken, die bei einer manuellen Überprüfung möglicherweise übersehen werden, wie zum Beispiel unerwartete Korrelationen.

Eine Faktentabelle enthält die messbaren Zahlen und Fremdschlüssel, während eine Dimensionstabelle die beschreibenden Attribute enthält, die zum Filtern und Gruppieren dieser Zahlen verwendet werden, wie z. B. Produkt, Kunde oder Datum.