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

ArchiStruktur von SSAS

Zuerst lernen wir in diesem SSAS-Tutorial die SSAS-Architektur kennen:

Die Architektur der SQL Server Analysis Services basiert auf einer dreischichtigen Architektur, bestehend aus

1. RDBMS: Die Daten aus verschiedenen Quellen wie Excel, Datenbank, Text und anderen können mithilfe von abgerufen werden ETL-Tool in das RDBMS.
2. SSAS: Aggregierte Daten aus RDBMS werden mithilfe von Analysis Services-Projekten in SSAS-Cubes übertragen. Die SSAS-Cubes erstellen eine Analysedatenbank, und sobald die Analysedatenbank fertig ist, kann sie für viele Zwecke verwendet werden.
3. Kunde: Kunden können über Dashboards, Scorecards, Portale usw. auf Daten zugreifen.

Geschichte von SSAS

In diesem SSAS-Tutorial werden wir nun die Geschichte von SSAS durchgehen:

• Die MSOLAP-Funktion war erstmals in SQL Server 7.0 enthalten. Diese Technologie wurde später von einem israelischen Unternehmen namens Panorama erworben.
• Bald wird es zu den am häufigsten verwendeten OLAP-Engines, da es als Teil von SQL Server enthalten ist.
• SSAS wurde vollständig renoviert mit der Veröffentlichung von MS-SQL-Server 2005
• Diese neueste Version bietet mit der Scope-Anweisung auch eine Funktion für „Subcubes“. Dadurch wurde die Funktionalität von SSAS-Cubes erweitert.
• Die Versionen SSAS 2008R2 und 2012 befassen sich hauptsächlich mit der Abfrageleistung und Skalierbarkeit
• In Microsoft Excel 2010 brachte ein Add-In namens PowerPivot mit, das eine lokale Instanz des Analysis-Dienstes mit der neuen XVelocity-Engine verwendet, was die Abfrageleistung erhöht

Wichtige SSAS-Terminologie

In diesem SSAS-Tutorial zum tabellarischen Modell lernen wir nun einige wichtige Terminologien von SSAS:

• Datenquelle
• Datenquellenansicht
• Würfel
• Dimensionstabelle
• Abmessungen
• Niveau
• Faktentabelle
• Messen
• Schema

Datenquelle

Datenquelle ist eine Art Verbindungszeichenfolge. Es stellt eine Verbindung zwischen der Analysedatenbank und her RDBMS.

Datenquellenansicht

Die Datenquellenansicht ist ein logisches Modell der Datenbank

Würfel

Ein Würfel ist eine grundlegende Speichereinheit. Dabei handelt es sich um eine Sammlung von Daten, die aggregiert wurden, damit Abfragen schnell Daten zurückgeben können.

MOLAP

Der MOLAP besteht aus einem Datenwürfel, der Kennzahlen und Dimensionen enthält. Er umfasst alle Mitglieder, die in einer hierarchischen Beziehung stehen können.

Es handelt sich um einen speziellen Regelsatz, mit dessen Hilfe Sie bestimmen können, wie bestimmte Zellen in einem dünn besetzten Würfel berechnet werden und wie die innerhalb dieser Hierarchien zusammengefassten Werte gemessen werden.

Dimensionstabelle

• Eine Dimensionstabelle enthält Dimensionen eines Fakts.
• Sie werden mithilfe eines Fremdschlüssels mit der Faktentabelle verknüpft.
• Dimensionstabellen sind denormalisierte Tabellen.
• Dimensionen bieten mit Hilfe ihrer Attribute Charakteristika des Sachverhalts.
• Bietet keinen Grenzwertsatz für eine bestimmte Anzahl von Dimensionen
• Die Dimension enthält eine oder mehrere hierarchische Beziehungen.

Abmessungen

Dimension bietet den Kontext rund um ein Geschäftsprozessereignis. In einfachen Worten geben sie das Wer, Was, Wo einer Tatsache an. Im Geschäftsprozess „Verkäufe“ wären die Dimensionen für die Verkaufsnummer die Namen der Kunden.

• Wo – Standort
• Was – Produktname
• Mit anderen Worten kann man sagen, dass eine Dimension ein Fenster ist, in dem die Informationen in den Fakten angezeigt werden.

Niveau

Jeder Zusammenfassungstyp, der aus einer einzelnen Dimension abgerufen werden kann, wird als Label bezeichnet.

Faktentabelle

Eine Faktentabelle ist die wichtigste Tabelle in einem dimensionalen Modell. Eine Faktentabelle enthält Messungen/Fakten und Unbekannter Schlüssel zur Dimensionstabelle. Beispielsweise Lohn- und Gehaltsabrechnungen.

Messen

Jede Faktentabelle enthält eine oder mehrere Tabellen, die analysiert werden sollen. Beispielsweise verkauft ein Buch eine Informationstabelle. Es kann sich um einen Gewinn oder Verlust für die Anzahl der verkauften Bücher handeln.

Schema

Das Datenbank Schema eines Datenbanksystems und seine Struktur, beschrieben in einer formalen Sprache. Es unterstützt das Datenbankverwaltungssystem. Der Begriff „Schema“ bezeichnet die Organisation von Daten als Blaupause für die Art und Weise, wie eine Datenbank aufgebaut wird.

Art der Modelle in SSAS

In diesem SSAS-Cube-Tutorial lernen wir nun Modelltypen in SSAS kennen:

Mehrdimensionales Datenmodell

Das Mehrdimensionales Datenmodell, das aus einem Datenwürfel besteht. 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 die Art und Weise festlegen, wie Maßwerte in Hierarchien zusammengefasst werden oder wie bestimmte Werte in einem dünn besetzten Würfel berechnet werden.

Tabellarische Modellierung

Die tabellarische Modellierung organisiert Daten in zusammengehörigen Tabellen. Die Tabelle wird nicht als „Dimensionen“ oder „Fakten“ bezeichnet und die Entwicklungszeit ist bei tabular kürzer, da alle zugehörigen Tabellen beide Rollen erfüllen können.

Tabellarisches vs. mehrdimensionales Modell

Parameter	Tabellarisch	Mehrdimensionale
Memory	Im Speichercache	Dateibasierte Speicherung
Struktur	Lockere Struktur	Starre Struktur
bestes Feature	Daten müssen nicht von der Quelle verschoben werden	Am besten ist es, wenn die Daten in einem Sternschema abgelegt werden.
Art des Modells	Relationales Modell	Dimensionsmodell
	DAX	MDX
Komplexität	Einfacher	Complex
Größe	Kleinere	Größere

Hauptmerkmale von SSAS

Wesentliche Merkmale von SSAS sind:

• Es bietet Abwärtskompatibilität auf API-Ebene.
• Sie können OLEDB für OLAP für die Clientzugriffs-API und MDX als Abfragesprache verwenden.
• SSAS hilft Ihnen beim Aufbau von MOLAP-, HOLAP- und ROLAP-Architekturen
• Es ermöglicht Ihnen, im Client-Server-Modus oder im Offline-Modus zu arbeiten.
• Sie können das SSAS-Tool mit verschiedenen Assistenten und Designern verwenden.
• Die Erstellung und Verwaltung von Datenmodellen ist flexibel.
• Passen Sie die Anwendung durch umfassenden Support an
• Bietet dynamische Struktur, Ad-hoc-Bericht, gemeinsame Metadaten und Sicherheitsfunktionen

SSAS vs. PowerPivot

Parameter	SSAS	PowerPivot
Was ist	SSAS Multidimensional ist „Corporate BI“	Microsoft PowerPivot ist ein „Self-Service BI“.
Einsatz	Bereitstellung auf SSAS	Es wird in SharePoint bereitgestellt
Verwenden für	Visual Studio-Projekt	Excel
Größe	Größe auf Speicher beschränkt	Die Kapazität ist auf 2 GB begrenzt.
Partitionsunterstützung	Unterstützt Partitionierung	Keine Partitionen
Abfragetyp	DirectQuery und Vertipaq	Erlaubt nur Vertipaq Abfragen
Admin-Tools	Server-Admin-Tools (z. B. SSMS)	Excel und SharePoint „Admin“
Sicherheit	Sicherheit auf Zeilenebene und dynamische Sicherheit	Sicherheit der Arbeitsmappendatei

Vorteile von SSAS

Vorteile/Vorteile von SSAS sind:

• Hilft Ihnen, Ressourcenkonflikte mit dem Quellsystem zu vermeiden
• Es ist ein ideales Werkzeug für die numerische Analyse.
• SSAS ermöglicht die Erkennung von Datenmustern, die mithilfe der im Produkt integrierten Data-Mining-Funktionen möglicherweise nicht sofort erkennbar sind.
• Es bietet eine einheitliche und integrierte Ansicht aller Ihrer Geschäftsdaten. Berichterstellung, Analyse von Key Performance Indicator (KPI)-Scorecards, Data Mining.
• SSAS bietet Online-Analyseverarbeitung (OLAP) von Daten aus verschiedenen Datenquellen.
• Es ermöglicht Benutzern die Analyse von Daten mit einer Vielzahl von Tools, einschließlich SSRS und Excel.

Nachteile der Verwendung von SSAS

• Sobald Sie einen Pfad (tabellarisch oder mehrdimensional) ausgewählt haben, können Sie nicht mehr auf die andere Version migrieren, ohne von vorne zu beginnen
• Es ist Ihnen nicht gestattet, Daten zwischen tabellarischen und mehrdimensionalen Würfeln „zusammenzuführen“.
• Die tabellarische Darstellung erweist sich als riskant, wenn sich die Anforderungen mitten im Projekt ändern

Best Practices zur Verwendung von SSAS

• Optimieren Sie das Würfel- und Kennzahlengruppendesign
• Sie sollten nützliche Aggregationen definieren
• Verwenden Sie die Partitionsmethode
• Schreiben Sie effizientes MDX
• Nutzen Sie den Query Engine-Cache effizient
• Skalieren Sie heraus, wenn Sie nicht mehr skalieren können