Tutorial SSAS: Apa itu SSAS Cube, Architekstur & Jenis

Oleh: Fiona Coklat Fiona Coklat
Hours Updated

⚡ Ringkasan Cerdas

SSAS, SQL Server Analysis Services, adalah MicrosoftServer OLAP dan mesin analitik untuk membagi data dalam jumlah besar berdasarkan dimensi. Tersedia dalam dua varian, multidimensi dan tabular, dan menggunakan data agregat dari RDBMS untuk membangun kubus dan model untuk analisis cepat.

  • 🧊 Tujuan Inti: SSAS adalah server OLAP multidimensi yang memungkinkan Anda untuk memilah dan mengolah volume data yang besar.
  • ️ Tiga Tingkat: Sistem manajemen basis data relasional (RDBMS) memasukkan data ke dalam kubus SSAS, dan klien membacanya melalui dasbor dan portal.
  • 🧱 Istilah Kunci: Sumber data, kubus, dimensi, level, tabel fakta, ukuran, dan skema mendefinisikan model tersebut.
  • 🔀 Dua Varian: Multidimensi menggunakan kubus dan MDX; tabular menggunakan tabel terkait dan DAX.
  • 💾 Mode Penyimpanan: SSAS mendukung arsitektur MOLAP, HOLAP, dan ROLAP.
  • ️ Tabel vs Multidimensi: Struktur tabular lebih sederhana dan berbasis memori; struktur multidimensi lebih cocok untuk skema bintang.
  • 🔐 Kesesuaian untuk Perusahaan: Keamanan tingkat baris, partisi, dan OLAP menjadikannya mesin BI perusahaan.
Baca Selengkapnya

Tutorial SSAS (SQL Server Analysis Service)

Apa itu SSAS?

Layanan Analisis SQL Server (SSAS) adalah server OLAP multidimensi serta mesin analitik yang memungkinkan Anda untuk memilah dan mengolah data dalam jumlah besar. Ini adalah bagian dari Microsoft SQL Server dan membantu melakukan analisis menggunakan berbagai dimensi. Ia memiliki dua varian, multidimensi dan tabular. Singkatan SSAS adalah SQL Server Analysis Services.

Architekstur SSAS

Pertama, kita akan mempelajari tentang arsitektur SSAS.

Arsitektur tiga tingkat SSAS

Tampilan arsitektur SQL Server Analysis Services didasarkan pada arsitektur tiga tingkat, yang terdiri dari:

  1. RDBMS: data dari berbagai sumber seperti Excel, basis data, dan teks dapat diambil dengan bantuan sebuah sistem manajemen basis data relasional (RDBMS). alat ETL ke dalam RDBMS.
  2. SSAS: data agregat dari RDBMS dimasukkan ke dalam kubus SSAS menggunakan proyek layanan analisis. Kubus SSAS membuat basis data analisis, yang kemudian dapat digunakan untuk berbagai tujuan.
  3. Klien: klien dapat mengakses data menggunakan dasbor, kartu skor, portal, dan sebagainya.

Sejarah SSAS

Sekarang kita akan membahas sejarah SSAS:

  • Fitur MSOLAP pertama kali disertakan dalam SQL Server 7.0. Teknologi ini kemudian dibeli dari sebuah perusahaan Israel bernama Panorama.
  • Karena termasuk sebagai bagian dari SQL Server, mesin ini segera menjadi salah satu mesin OLAP yang paling banyak digunakan.
  • SSAS diperbarui sepenuhnya dengan dirilisnya MSSQL Server 2005.
  • Versi tersebut juga menawarkan fitur untuk “subkubus” dengan pernyataan Scope, yang meningkatkan fungsionalitas kubus SSAS.
  • Versi SSAS 2008 R2 dan 2012 terutama berfokus pada kinerja dan skalabilitas kueri.
  • In Microsoft Pada Excel 2010, hadir add-in bernama PowerPivot yang menggunakan instance lokal Analysis Services dengan mesin xVelocity baru untuk meningkatkan performa kueri.

Terminologi SSAS Penting

Sekarang kita akan mempelajari beberapa terminologi penting SSAS:

  • Sumber data
  • Tampilan Sumber Data
  • Kubus
  • Tabel Dimensi
  • Dimensi
  • Tingkat
  • Tabel Fakta
  • Mengukur
  • Skema

Sumber data

Sumber data adalah semacam string koneksi. Ia membangun koneksi antara basis data analisis dan... RDBMS.

Tampilan Sumber Data

Tampilan sumber data adalah model logis dari basis data.

Kubus

Kubus adalah unit penyimpanan dasar. Ini adalah kumpulan data yang telah diagregasi untuk memungkinkan kueri mengembalikan data dengan cepat.

MOLAP

MOLAP terdiri dari sebuah kubus data yang berisi ukuran dan dimensi, termasuk semua anggota yang mungkin berada dalam hubungan hierarkis. Ini adalah seperangkat aturan khusus yang membantu menentukan bagaimana sel-sel tertentu dihitung dalam kubus data yang jarang dan bagaimana nilai ukuran digabungkan di dalam hierarki tersebut.

Tabel Dimensi

  • Tabel dimensi berisi dimensi-dimensi suatu fakta.
  • Data tersebut dihubungkan ke tabel fakta menggunakan kunci asing.
  • Tabel dimensi adalah tabel yang dinormalisasi.
  • Dimensi menawarkan karakteristik fakta melalui atributnya.
  • Tidak ada batasan pasti untuk jumlah dimensi tertentu.
  • Suatu dimensi berisi satu atau lebih hubungan hierarkis.

Dimensi

Sebuah dimensi memberikan konteks yang mengelilingi suatu peristiwa dalam proses bisnis. Sederhananya, dimensi memberikan informasi tentang siapa, apa, dan di mana suatu fakta terjadi. Dalam proses bisnis penjualan, untuk fakta "angka penjualan", dimensinya adalah:

  • Siapa – nama pelanggan.
  • Di mana – lokasi.
  • Apa – nama produk.

Dengan kata lain, dimensi adalah jendela untuk melihat informasi dalam fakta.

Tingkat

Setiap jenis ringkasan yang dapat diambil dari satu dimensi disebut level.

Tabel Fakta

Tabel fakta adalah tabel terpenting dalam model dimensional. Tabel ini berisi pengukuran atau fakta dan kunci asing ke tabel dimensi, misalnya operasi penggajian.

Mengukur

Setiap tabel fakta berisi satu atau lebih ukuran yang perlu dianalisis. Misalnya, tabel informasi penjualan buku dapat mengukur laba atau rugi berdasarkan jumlah buku yang terjual.

Skema

The Database Skema suatu sistem basis data adalah strukturnya yang dijelaskan dalam bahasa formal, yang didukung oleh sistem manajemen basis data. Istilah "skema" merujuk pada pengorganisasian data sebagai cetak biru tentang bagaimana basis data dibangun.

ARTIKEL TERKAIT

Jenis-jenis Model di SSAS

Sekarang kita akan mempelajari jenis-jenis model di SSAS.

Model Data Multidimensi

The model data multidimensi Terdiri dari sebuah kubus data. Ini adalah sekelompok operasi yang memungkinkan Anda untuk menanyakan nilai sel dengan menggunakan anggota kubus dan dimensi sebagai koordinat. Ini mendefinisikan aturan yang menentukan cara nilai ukuran digabungkan dalam hierarki atau bagaimana nilai spesifik dihitung dalam kubus jarang (sparse cube).

Pemodelan Tabel

Pemodelan tabular mengatur data ke dalam tabel-tabel yang saling terkait. Tabel-tabel tersebut tidak ditetapkan sebagai "dimensi" atau "fakta", dan waktu pengembangan lebih singkat dengan pemodelan tabular karena semua tabel yang terkait dapat berfungsi untuk kedua peran tersebut.

Model Tabular vs Model Multidimensi

Parameter Teknis Datar Multidimensi
Memori Cache dalam memori Penyimpanan berbasis file
Structure Struktur longgar Struktur kaku
Fitur terbaik Data tidak perlu berpindah dari sumbernya Hasil terbaik diperoleh jika data dimasukkan ke dalam skema bintang.
Jenis model Model relasional Model dimensi
Bahasa kueri DAX MDX
Kompleksitas Sederhana Kompleks
Ukuran Lebih kecil Lebih besar

Fitur Utama SSAS

Fitur-fitur penting dari SSAS adalah:

  • Ini menawarkan kompatibilitas mundur pada tingkat API.
  • Anda dapat menggunakan OLE DB untuk OLAP untuk API akses klien dan MDX sebagai bahasa kueri.
  • SSAS membantu Anda membangun arsitektur MOLAP, HOLAP, dan ROLAP.
  • Ini memungkinkan Anda untuk bekerja dalam mode klien-server atau mode offline.
  • Anda dapat menggunakan alat SSAS dengan berbagai wizard dan perancang.
  • Pembuatan dan pengelolaan model data bersifat fleksibel.
  • Anda dapat menyesuaikan aplikasi dengan dukungan yang luas.
  • Sistem ini menawarkan struktur dinamis, laporan ad-hoc, metadata bersama, dan fitur keamanan.

SSAS vs PowerPivot

Parameter SSAS Powerpivot
Apa itu SSAS Multidimensi adalah “BI Perusahaan” Microsoft PowerPivot adalah “BI Layanan Mandiri”
Penyebaran Diterapkan ke SSAS Diterapkan ke SharePoint
Digunakan untuk Proyek Visual Studio Excel
Ukuran Terbatas pada memori Kapasitas terbatas hingga 2 GB
Dukungan partisi Mendukung partisi Tidak ada partisi
Jenis kueri DirectQuery dan Vertipaq Hanya mengizinkan kueri Vertipaq.
Alat admin Alat administrasi server (misalnya, SSMS) Admin Excel dan SharePoint
Security Keamanan tingkat baris dan dinamis Keamanan file buku kerja

Keuntungan SSAS

Manfaat SSAS adalah:

  • Membantu Anda menghindari perebutan sumber daya dengan sistem sumber.
  • Ini adalah alat yang ideal untuk analisis numerik.
  • SSAS memungkinkan penemuan pola data yang mungkin tidak langsung terlihat, dengan menggunakan fitur penambangan data yang terintegrasi dalam produk.
  • Platform ini menawarkan tampilan terpadu dan terintegrasi dari semua data bisnis Anda untuk pelaporan, analisis kartu skor KPI, dan penambangan data.
  • SSAS menawarkan pemrosesan analitik online (OLAP) data dari berbagai sumber data.
  • Platform ini memungkinkan pengguna untuk menganalisis data dengan berbagai alat, termasuk: SSRS ke Excel.

Kekurangan Menggunakan SSAS

  • Setelah Anda memilih jalur (tabular atau multidimensi), Anda tidak dapat bermigrasi ke versi lain tanpa memulai dari awal.
  • Anda tidak diperbolehkan menggabungkan data antara kubus tabular dan kubus multidimensi.
  • Pendekatan tabular bisa berisiko jika persyaratan berubah di tengah proyek.

Praktik Terbaik untuk Menggunakan SSAS

  • Optimalkan desain kubus dan kelompok pengukuran.
  • Definisikan agregasi yang bermanfaat.
  • Gunakan metode partisi.
  • Tulis MDX yang efisien.
  • Manfaatkan cache mesin kueri secara efisien.
  • Lakukan pengurangan skala ketika Anda tidak lagi mampu melakukan peningkatan skala.

Pertanyaan Umum Demo Slot

Pilih tabular untuk model yang lebih sederhana, berbasis memori, dan pengembangan yang lebih cepat dengan DAX. Pilih multidimensional untuk gudang data skema bintang besar yang membutuhkan perhitungan kompleks dan MDX. Migrasi antar keduanya berarti memulai dari awal.

MOLAP menyimpan data agregat dalam sebuah kubus untuk pembacaan yang cepat, ROLAP membiarkan data dalam sumber relasional, dan HOLAP adalah hibrida yang menyimpan detail dalam basis data relasional dan data agregat dalam sebuah kubus.

DAX adalah bahasa rumus dan kueri untuk model tabular dan mirip dengan rumus Excel. MDX adalah bahasa kueri untuk kubus multidimensi dan bekerja dengan anggota, tupel, dan himpunan.

AI dapat menyarankan ukuran dan dimensi mana yang perlu dimodelkan, membuat draf DAX atau MDX dari pertanyaan sederhana, dan mengungkap pola dalam data kubus yang mungkin terlewatkan oleh tinjauan manual, seperti korelasi yang tidak terduga.

Tabel fakta menyimpan angka-angka yang dapat diukur dan kunci asing, sedangkan tabel dimensi menyimpan atribut deskriptif yang digunakan untuk memfilter dan mengelompokkan angka-angka tersebut, seperti produk, pelanggan, atau tanggal.

Ringkaslah postingan ini dengan: