SSAS oktatóanyag: Mi az SSAS Cube, Architecture & Types

⚡ Okos összefoglaló

Az SSAS, vagyis az SQL Server Analysis Services MicrosoftOLAP szervere és elemzőmotorja nagy mennyiségű adat dimenziók közötti szeletelésére. Két változatban kapható, többdimenziós és táblázatos formában, és egy RDBMS összesített adatait használja fel kockák és modellek felépítéséhez a gyors elemzéshez.

🧊 Fő cél: Az SSAS egy többdimenziós OLAP-kiszolgáló, amely lehetővé teszi nagy adatmennyiségek szeletelését és kockázását.
🏛️ Három szint: Egy RDBMS SSAS kockákat táplál, és az ügyfelek irányítópultokon és portálokon keresztül olvassák be azokat.
🧱 Kulcsfontossagu kifejezesek: Az adatforrás, a kocka, a dimenzió, a szint, a ténytábla, a mérték és a séma határozza meg a modellt.
🔀 Két változat: A többdimenziós megoldások kockákat és MDX-et használnak; a táblázatos megoldások kapcsolódó táblázatokat és DAX-ot.
💾 Tárolási módok: Az SSAS támogatja a MOLAP, HOLAP és ROLAP architektúrákat.
🇧🇷 Táblázatos vs. többdimenziós: A táblázatos módszer egyszerűbb és memóriában tárolható; a többdimenziós módszer egy csillagsémához illik.
🔐 Vállalati illeszkedés: A sorszintű biztonság, a particionálás és az OLAP vállalati BI motorrá teszi.

További információk

Mi az SSAS?

SQL Server Analysis Services (SSAS) egy többdimenziós OLAP szerver, valamint egy analitikai motor, amely lehetővé teszi nagy mennyiségű adat szeletelését és bontását. A Microsoft SQL Server és különböző dimenziók használatával segít elemzést végezni. Két változata létezik, a többdimenziós és a táblázatos. Az SSAS teljes formája SQL Server Analysis Services.

Archiaz SSAS struktúrája

Először az SSAS architektúrájával fogunk foglalkozni.

Az SQL Server Analysis Services architektúrája egy háromszintű architektúrán alapul, amely a következőkből áll:

RDBMS: különböző forrásokból, például Excelből, adatbázisból és szövegből származó adatok kinyerhetők egy ETL eszköz az RDBMS-be.
SSAS: az RDBMS-ből származó összesített adatokat SSAS-kockákba töltik be elemzési szolgáltatási projektek segítségével. Az SSAS-kockák egy elemzési adatbázist hoznak létre, amely ezután számos célra felhasználható.
Kliens: a kliensek műszerfalak, scorecardok, portálok és így tovább segítségével férhetnek hozzá az adatokhoz.

Az SSAS története

Most pedig nézzük át az SSAS történetét:

Az MSOLAP funkció először az SQL Server 7.0-ban volt megtalálható. Ezt a technológiát később egy izraeli Panorama nevű cégtől vásárolták.
Hamarosan az egyik leggyakrabban használt OLAP motorrá vált, mivel az SQL Server részeként került beépítésre.
kiadásával az SSAS-t teljesen felújították MS SQL Server 2005.
Ez a verzió a Scope utasítással egy „alkockákhoz” is kínált egy funkciót, ami növelte az SSAS kockák funkcionalitását.
Az SSAS 2008 R2 és 2012 verziók főként a lekérdezések teljesítményével és skálázhatósággal foglalkoztak.
In Microsoft Megjelent az Excel 2010, egy PowerPivot nevű bővítmény, amely az Analysis Services egy helyi példányát használja az új xVelocity motorral a lekérdezési teljesítmény növelése érdekében.

Fontos SSAS terminológia

Most megismerkedünk az SSAS néhány fontos terminológiájával:

Adatforrás
Adatforrás nézet
Kocka
Mérettáblázat
Dimenzió
Szintek
Tények táblázat
Mérték
Séma

Adatforrás

Az adatforrás egyfajta kapcsolati karakterlánc. Kapcsolatot hoz létre az elemzési adatbázis és a RDBMS.

Adatforrás nézet

Az adatforrás nézet az adatbázis logikai modellje.

Kocka

A kocka egy alapvető tárolási egység. Olyan adatok gyűjteménye, amelyeket összesítettek, hogy a lekérdezések gyorsan visszaadhassák az adatokat.

MOLAP

A MOLAP egy adatkockából áll, amely mértékeket és dimenziókat tartalmaz, beleértve az összes olyan tagot, amelyek hierarchikus kapcsolatban állhatnak. Ez egy olyan szabályrendszer, amely segít meghatározni, hogy bizonyos cellák hogyan kerüljenek kiszámításra egy ritka kockában, és hogyan kerüljenek összegzésre a mértékértékek ezeken a hierarchiákon belül.

Mérettáblázat

A dimenziótábla egy tény dimenzióit tartalmazza.
Idegen kulcs segítségével csatlakoznak a ténytáblához.
A mérettáblázatok denormalizált táblázatok.
A dimenziók a tények jellemzőit az attribútumaikon keresztül adják meg.
Nincs meghatározott korlát a dimenziók számára.
Egy dimenzió egy vagy több hierarchikus kapcsolatot tartalmaz.

Dimenzió

Egy dimenzió egy üzleti folyamat eseményét körülvevő kontextust kínál. Egyszerűen fogalmazva, egy tény kilétét, mit és hollétét adja meg. Az értékesítési üzleti folyamatban az „értékesítési szám” tényhez a dimenziók a következők lennének:

Kik – az ügyfelek nevei.
Hol – helyszín.
Mi – a termék neve.

Más szóval, a dimenzió egy ablak, amelyen keresztül megtekinthetjük a tényekben található információkat.

Szintek

Minden olyan összefoglaló típust, amely egyetlen dimenzióból kinyerhető, szintnek nevezünk.

Tények táblázat

A ténytábla a legfontosabb tábla egy dimenzionális modellben. Méréseket vagy tényeket tartalmaz, valamint egy idegen kulcs a dimenziótáblához, például bérszámfejtési műveletek.

Mérték

Minden ténytábla egy vagy több elemzendő mértéket tartalmaz. Például egy könyveladási információs tábla mérheti az eladott könyvek számának megfelelő nyereséget vagy veszteséget.

Séma

Az adatbázis Egy adatbázis-rendszer sémája a formális nyelven leírt struktúrája, amelyet az adatbázis-kezelő rendszer támogat. A „séma” kifejezés az adatok szervezésére utal, mint az adatbázis felépítésének tervrajzára.

Modelltípusok az SSAS-ban

Most megismerkedünk az SSAS modelljeinek típusaival.

Többdimenziós adatmodell

Az többdimenziós adatmodell Egy adatkockából áll. Ez egy műveletcsoport, amely lehetővé teszi cellák értékének lekérdezését kocka- és dimenziótagok koordinátaként való használatával. Szabályokat határoz meg, amelyek meghatározzák, hogy a mértékértékek hogyan legyenek összesítve a hierarchiákon belül, vagy hogyan kerüljenek kiszámításra az egyes értékek egy ritka kockában.

Táblázatos modellezés

A táblázatos modellezés az adatokat kapcsolódó táblázatokba rendezi. A táblázatok nincsenek „dimenzióként” vagy „tényként” megjelölve, és a fejlesztési idő rövidebb a táblázatos modellezéssel, mivel minden kapcsolódó táblázat mindkét szerepet betöltheti.

Táblázatos vs. többdimenziós modell

paraméterek	Táblázatos	Többdimenziós
Memory design	Memórián belüli gyorsítótár	Fájl alapú tárolás
Szerkezet	Laza szerkezet	Merev szerkezet
Legjobb tulajdonsága	Az adatoknak nem kell a forrásból mozogniuk	A legjobb, ha az adatokat csillagsémába helyezzük
Modell típusa	Relációs modell	Dimenziós modell
Lekérdezési nyelv	DAX	MDX
Bonyolultság	Egyszerű	Bonyolult
Méret	Kisebb	nagyobb

Az SSAS főbb jellemzői

Az SSAS legfontosabb jellemzői a következők:

API szinten visszafelé kompatibilitást kínál.
Az OLE DB for OLAP-ot használhatja az ügyfél-hozzáférési API-hoz, az MDX-et pedig lekérdezési nyelvként.
Az SSAS segít MOLAP, HOLAP és ROLAP architektúrák felépítésében.
Lehetővé teszi a kliens-szerver módban vagy offline módban történő munkát.
Az SSAS eszközt különböző varázslókkal és tervezőkkel használhatja.
Az adatmodell létrehozása és kezelése rugalmas.
Testreszabhatja az alkalmazásokat a széleskörű támogatásnak köszönhetően.
Dinamikus struktúrát, eseti jelentéseket, megosztott metaadatokat és biztonsági funkciókat kínál.

SSAS vs. PowerPivot

Vizsgált paraméter	SSAS	powerpivot
Ami	Az SSAS Multidimensional a „Corporate BI”	Microsoft A PowerPivot egy „önkiszolgáló üzletiintelligencia”
bevetés	SSAS-ba telepítve	SharePoint-re telepítve
Használható	Visual Studio projekt	Excel
Méret	Memóriára korlátozva	A kapacitás 2 GB-ra korlátozódik
Partíció támogatás	Támogatja a particionálást	Nincs partíció
Lekérdezés típusa	DirectQuery és Vertipaq	Csak Vertipaq lekérdezéseket engedélyez
Rendszergazdai eszközök	Szerver adminisztrációs eszközök (pl. SSMS)	Excel és SharePoint adminisztráció
Biztonság	Sorszintű és dinamikus biztonság	Munkafüzet fájlbiztonság

Az SSAS előnyei

Az SSAS előnyei a következők:

Segít elkerülni az erőforrás-versengést a forrásrendszerrel.
Ideális eszköz a numerikus elemzéshez.
Az SSAS lehetővé teszi az olyan adatminták felfedezését, amelyek nem feltétlenül nyilvánvalóak azonnal, a termékbe beépített adatbányászati funkciók használatával.
Egységes és integrált képet kínál az összes üzleti adatról jelentéskészítéshez, KPI-elemzéshez és adatbányászathoz.
Az SSAS különféle adatforrásokból származó adatok online analitikus feldolgozását (OLAP) kínálja.
Lehetővé teszi a felhasználók számára az adatok elemzését számos eszközzel, beleértve a SSRS és a Excel.

Az SSAS használatának hátrányai

Miután kiválasztott egy elérési utat (táblázatos vagy többdimenziós), nem tud áttérni a másik verzióra anélkül, hogy újrakezdené.
Nem engedélyezett az adatok egyesítése táblázatos és többdimenziós kockák között.
A Tabular kockázatos lehet, ha a követelmények a projekt felénél megváltoznak.

Ajánlott gyakorlatok az SSAS használatához

Optimalizálja a kocka- és mértékcsoport-tervezést.
Hasznos aggregációk definiálása.
Használja a partíciók módszert.
Írj hatékony MDX-et.
Használja hatékonyan a lekérdezésmotor gyorsítótárát.
Szűkítsd a skálázást, ha már nem tudsz felskálázni.

GYIK

Válassza a táblázatos formátumot az egyszerűbb, memóriában tárolt modellekhez és a DAX-szal történő gyorsabb fejlesztéshez. Válassza a többdimenziós formátumot nagyméretű, csillag-sémaalapú adattárházakhoz, amelyek összetett számításokat és MDX-et igényelnek. A köztük lévő migráció az újrakezdést jelenti.

A MOLAP aggregátumokat egy kockában tárolja a gyors olvasáshoz, a ROLAP az adatokat a relációs forrásban hagyja, a HOLAP pedig egy hibrid, amely a részleteket relációsan, az aggregátumokat pedig a kockában tartja.

A DAX a táblázatos modellek képlet- és lekérdezési nyelve, és közel áll az Excel-képletekhez. Az MDX a többdimenziós kockák lekérdezési nyelve, és tagokkal, tuple-kkel és halmazokkal működik.

A mesterséges intelligencia javaslatokat tehet arra, hogy mely mértékeket és dimenziókat modellezze, DAX- vagy MDX-kódot készíthet egy egyszerű kérdésből, és olyan mintákat rajzolhat ki a kockaadatokban, amelyeket a manuális ellenőrzés esetleg nem vesz észre, például váratlan korrelációkat.

A ténytábla a mérhető számokat és az idegen kulcsokat tartalmazza, míg a dimenziótábla a számok szűrésére és csoportosítására használt leíró attribútumokat, például a terméket, az ügyfelet vagy a dátumot.