Tutorial SSAS: cos'รจ SSAS Cube, Archistruttura e tipi

โšก Riepilogo intelligente

SSAS, SQL Server Analysis Services, รจ MicrosoftServer OLAP e motore di analisi per l'elaborazione di grandi volumi di dati in base a diverse dimensioni. รˆ disponibile in due varianti, multidimensionale e tabellare, e utilizza dati aggregati provenienti da un RDBMS per creare cubi e modelli per analisi rapide.

  • ๐ŸงŠ Scopo principale: SSAS รจ un server OLAP multidimensionale che consente di analizzare e segmentare grandi volumi di dati.
  • ๏ธ Tre livelli: Un RDBMS alimenta i cubi SSAS, che i client consultano tramite dashboard e portali.
  • ๐Ÿงฑ Parole chiave: Il modello รจ definito da origine dati, cubo, dimensione, livello, tabella dei fatti, misura e schema.
  • ๐Ÿ”€ Due varianti: I modelli multidimensionali utilizzano cubi e MDX; i modelli tabellari utilizzano tabelle correlate e DAX.
  • ๐Ÿ’พ Modalitร  di archiviazione: SSAS supporta le architetture MOLAP, HOLAP e ROLAP.
  • ๏ธ Tabellare vs. multidimensionale: La struttura tabellare รจ piรน semplice e in memoria; la struttura multidimensionale si adatta a uno schema a stella.
  • ๐Ÿ” Adattamento aziendale: La sicurezza a livello di riga, il partizionamento e l'OLAP lo rendono un motore di business intelligence aziendale.

Tutorial SSAS - Servizio di analisi di SQL Server

Cos'รจ il SSAS?

Servizi di analisi di SQL Server (SSAS) รจ un server OLAP multidimensionale nonchรฉ un motore di analisi che consente di sezionare e analizzare grandi volumi di dati. Fa parte di Microsoft SQL Server e consente di eseguire analisi utilizzando diverse dimensioni. Ne esistono due varianti: multidimensionale e tabellare. L'acronimo SSAS sta per SQL Server Analysis Services.

Archistruttura della SSAS

Innanzitutto, analizzeremo l'architettura di SSAS.

Architettura a tre livelli di SSAS

La visione architetturale di SQL Server Analysis Services si basa su un'architettura a tre livelli, che consiste in:

  1. RDBMS: i dati provenienti da diverse fonti come Excel, database e testo possono essere estratti con l'aiuto di un Strumento ETL nell'RDBMS.
  2. SSAS: i dati aggregati provenienti dal RDBMS vengono inseriti nei cubi SSAS tramite progetti di Analysis Services. I cubi SSAS creano un database di analisi, che puรฒ essere utilizzato per diversi scopi.
  3. Cliente: i clienti possono accedere ai dati tramite dashboard, scorecard, portali e cosรฌ via.

Storia della SSAS

Ora esamineremo la storia di SSAS:

  • La funzionalitร  MSOLAP รจ stata introdotta per la prima volta in SQL Server 7.0. Questa tecnologia รจ stata successivamente acquistata da un'azienda israeliana chiamata Panorama.
  • Divenne presto uno dei motori OLAP piรน utilizzati perchรฉ era incluso come parte integrante di SQL Server.
  • SSAS รจ stato completamente rinnovato con l'uscita di MS SQL Server 2005
  • Quella versione offriva anche una funzionalitร  per i "sottocubi" con l'istruzione Scope, che aumentava la funzionalitร  dei cubi SSAS.
  • Le versioni SSAS 2008 R2 e 2012 si concentravano principalmente sulle prestazioni delle query e sulla scalabilitร .
  • In Microsoft Con Excel 2010 รจ arrivato un componente aggiuntivo chiamato PowerPivot, che utilizza un'istanza locale di Analysis Services con il nuovo motore xVelocity per migliorare le prestazioni delle query.

Terminologia importante SSAS

Ora impareremo alcuni termini importanti di SSAS:

  • Fonte di dati
  • Visualizzazione origine dati
  • Cubo
  • Tabella delle dimensioni
  • Dimensioni
  • Livella
  • Tabella dei fatti
  • Misura
  • Schema

Fonte di dati

Una sorgente dati รจ una sorta di stringa di connessione. Stabilisce una connessione tra il database di analisi e il RDBMS.

Visualizzazione origine dati

Una vista dell'origine dati รจ un modello logico del database.

Cubo

Un cubo รจ un'unitร  di archiviazione di base. Si tratta di una raccolta di dati aggregati in modo da consentire alle query di restituire rapidamente i dati.

MOLAPA

MOLAP รจ costituito da un cubo di dati che contiene misure e dimensioni, inclusi tutti i membri che possono trovarsi in una relazione gerarchica. Si tratta di un insieme specifico di regole che aiutano a determinare come determinate celle vengono calcolate in un cubo sparso e come i valori delle misure vengono aggregati all'interno di tali gerarchie.

Tabella delle dimensioni

  • Una tabella dimensionale contiene le dimensioni di un fatto.
  • Sono collegate alla tabella dei fatti tramite una chiave esterna.
  • Le tabelle delle dimensioni sono tabelle denormalizzate.
  • Le dimensioni offrono caratteristiche dei fatti attraverso i loro attributi.
  • Non esiste un limite prestabilito per il numero di dimensioni.
  • Una dimensione contiene una o piรน relazioni gerarchiche.

Dimensioni

Una dimensione offre il contesto che circonda un evento di un processo aziendale. In termini semplici, fornisce chi, cosa e dove si trova un fatto. Nel processo aziendale di vendita, per il fatto "numero di vendite", le dimensioni sarebbero:

  • Chi โ€“ nomi dei clienti.
  • Dove โ€“ posizione.
  • Cosa โ€“ nome del prodotto.

In altre parole, una dimensione รจ una finestra attraverso cui osservare le informazioni contenute nei fatti.

Livella

Ciascun tipo di riepilogo che puรฒ essere ricavato da una singola dimensione รจ chiamato livello.

Tabella dei fatti

Una tabella dei fatti รจ la tabella piรน importante in un modello dimensionale. Contiene misure o fatti e un chiave esterna alla tabella delle dimensioni, ad esempio le operazioni di elaborazione delle buste paga.

Misura

Ogni tabella dei fatti contiene una o piรน misure che devono essere analizzate. Ad esempio, una tabella con le informazioni sulle vendite di libri puรฒ misurare il profitto o la perdita in base al numero di libri venduti.

Schema

Migliori banca dati Lo schema di un sistema di database รจ la sua struttura descritta in un linguaggio formale, supportato dal sistema di gestione del database. Il termine "schema" si riferisce all'organizzazione dei dati come progetto di come รจ costruito il database.

Tipi di modelli in SSAS

Ora impareremo i tipi di modelli in SSAS.

Modello di dati multidimensionale

Migliori modello di dati multidimensionale Consiste in un cubo di dati. Si tratta di un gruppo di operazioni che consente di interrogare il valore delle celle utilizzando i membri del cubo e delle dimensioni come coordinate. Definisce le regole che determinano il modo in cui i valori delle misure vengono aggregati all'interno delle gerarchie o come vengono calcolati valori specifici in un cubo sparso.

Modellazione tabulare

La modellazione tabellare organizza i dati in tabelle correlate. Le tabelle non vengono designate come "dimensioni" o "fatti" e i tempi di sviluppo sono piรน brevi con la modellazione tabellare perchรฉ tutte le tabelle correlate possono svolgere entrambi i ruoli.

Modello tabellare vs. modello multidimensionale

Scheda Sintetica di tabella Multidimensional
Memorie Cache in memoria Archiviazione basata su file
Structure Struttura sciolta Struttura rigida
caratteristica migliore Non รจ necessario che i dati vengano spostati dall'origine รจ preferibile quando i dati vengono inseriti in uno schema a stella
Tipo di modello Modello relazionale Modello dimensionale
Linguaggio di interrogazione DAX MDX
Complessitร  Semplice Complesso
Taglia Minore Maggiore

Caratteristiche principali di SSAS

Le caratteristiche essenziali di SSAS sono:

  • Offre compatibilitร  con le versioni precedenti a livello di API.
  • รˆ possibile utilizzare OLE DB per OLAP come API di accesso client e MDX come linguaggio di interrogazione.
  • SSAS ti aiuta a creare architetture MOLAP, HOLAP e ROLAP.
  • Consente di lavorare in modalitร  client-server o in modalitร  offline.
  • รˆ possibile utilizzare lo strumento SSAS con diverse procedure guidate e designer.
  • La creazione e la gestione del modello di dati sono flessibili.
  • รˆ possibile personalizzare le applicazioni con un supporto completo.
  • Offre una struttura dinamica, report ad hoc, metadati condivisi e funzionalitร  di sicurezza.

SSAS contro PowerPivot

Parametro SSAS PowerPivot
Cos'รจ SSAS Multidimensionale รจ la โ€œBI aziendaleโ€ Microsoft PowerPivot รจ una soluzione di "BI self-service".
Distribuzione Distribuito su SSAS Distribuito su SharePoint
Usato per Progetto Visual Studio Excel
Taglia Limitato alla memoria Capacitร  limitata a 2 GB
Supporto per partizioni Supporta il partizionamento Nessuna partizione
Tipo di query DirectQuery e Vertipaq Consente solo query Vertipaq
Strumenti di amministrazione Strumenti di amministrazione del server (ad esempio, SSMS) Amministrazione di Excel e SharePoint
Sicurezza Sicurezza a livello di riga e dinamica Sicurezza dei file della cartella di lavoro

Vantaggi dell'SSAS

I vantaggi di SSAS sono:

  • Consente di evitare conflitti di risorse con il sistema sorgente.
  • รˆ uno strumento ideale per l'analisi numerica.
  • SSAS consente di scoprire modelli di dati che potrebbero non essere immediatamente evidenti, utilizzando le funzionalitร  di data mining integrate nel prodotto.
  • Offre una visione unificata e integrata di tutti i dati aziendali per la creazione di report, l'analisi dei KPI e il data mining.
  • SSAS offre l'elaborazione analitica online (OLAP) di dati provenienti da diverse origini dati.
  • Consente agli utenti di analizzare i dati con una serie di strumenti, tra cui SSRS and Excel.

Svantaggi dell'utilizzo di SSAS

  • Una volta selezionato un percorso (tabellare o multidimensionale), non รจ possibile migrare all'altra versione senza ricominciare da capo.
  • Non รจ consentito unire dati tra cubi tabellari e cubi multidimensionali.
  • L'approccio tabellare puรฒ essere rischioso se i requisiti cambiano a metร  del progetto.

Migliori pratiche per l'utilizzo di SSAS

  • Ottimizzazione del cubo e della progettazione del gruppo di misure.
  • Definire aggregazioni utili.
  • Utilizzare il metodo delle partizioni.
  • Scrivi codice MDX efficiente.
  • Utilizzare la cache del motore di query in modo efficiente.
  • Espandete la vostra attivitร  quando non รจ piรน possibile espanderla verticalmente.

DOMANDE FREQUENTI

Scegliete il formato tabellare per modelli piรน semplici, in memoria, e per uno sviluppo piรน rapido con DAX. Scegliete il formato multidimensionale per grandi data warehouse a schema stellare che richiedono calcoli complessi e MDX. La migrazione tra i due formati implica un nuovo inizio.

MOLAP memorizza i dati aggregati in un cubo per letture veloci, ROLAP lascia i dati nella sorgente relazionale e HOLAP รจ un ibrido che mantiene i dettagli relazionali e i dati aggregati nel cubo.

DAX รจ il linguaggio di formule e interrogazioni per modelli tabellari ed รจ simile alle formule di Excel. MDX รจ il linguaggio di interrogazione per cubi multidimensionali e funziona con membri, tuple e insiemi.

L'intelligenza artificiale puรฒ suggerire quali misure e dimensioni modellare, generare modelli DAX o MDX a partire da una semplice domanda e far emergere schemi nei dati del cubo che una revisione manuale potrebbe non rilevare, come ad esempio correlazioni inattese.

Una tabella dei fatti contiene i dati numerici misurabili e le chiavi esterne, mentre una tabella delle dimensioni contiene gli attributi descrittivi utilizzati per filtrare e raggruppare tali dati, come ad esempio prodotto, cliente o data.

Riassumi questo post con: