SSAS Tutorial: Vad är SSAS Cube, Architecture & Typer

⚡ Smart sammanfattning

SSAS, SQL Server Analysis Services, är Microsofts OLAP-server och analysmotor för att dela upp stora datamängder över dimensioner. Den finns i två varianter, flerdimensionell och tabellformad, och använder aggregerade data från ett RDBMS för att bygga kuber och modeller för snabb analys.

  • 🧊 Kärnsyfte: SSAS är en flerdimensionell OLAP-server som låter dig segmentera och tärna stora datavolymer.
  • 🏛️ Tre nivåer: Ett RDBMS matar SSAS-kuber, och klienter läser dem via instrumentpaneler och portaler.
  • 🧱 Nyckelbegrepp: Datakälla, kub, dimension, nivå, faktatabell, mått och schema definierar modellen.
  • 🔀 Två varianter: Flerdimensionell använder kuber och MDX; tabellarisk använder relaterade tabeller och DAX.
  • 💾 Lagringslägen: SSAS stöder MOLAP-, HOLAP- och ROLAP-arkitekturer.
  • ⚖️ Tabellformad vs. flerdimensionell: Tabellär är enklare och lagras i minnet; flerdimensionell passar ett stjärnschema.
  • 🔐 Företagsanpassning: Radnivåsäkerhet, partitionering och OLAP gör den till en BI-motor för företag.

SSAS-handledning SQL Server-analystjänst

Vad är SSAS?

SQL Server Analysis Services (SSAS) är en flerdimensionell OLAP-server samt en analysmotor som låter dig analysera stora datamängder. Det är en del av Microsoft SQL Server och hjälper till att utföra analyser med hjälp av olika dimensioner. Den har två varianter, flerdimensionell och tabellform. SSAS fullständiga form är SQL Server Analysis Services.

Architecture av SSAS

Först kommer vi att lära oss om SSAS-arkitekturen.

SSAS trenivåarkitektur

Den arkitekturmässiga vyn för SQL Server Analysis Services är baserad på en trenivåarkitektur, som består av:

  1. RDBMS: data från olika källor som Excel, databas och text kan hämtas med hjälp av en ETL-verktyg in i RDBMS.
  2. SSAS: aggregerade data från RDBMS skickas till SSAS-kuber med hjälp av analystjänstprojekt. SSAS-kuberna skapar en analysdatabas som sedan kan användas för många ändamål.
  3. Klient: klienter kan komma åt data med hjälp av dashboards, scorecards, portaler och så vidare.

SSAS historia

Nu ska vi gå igenom SSAS historia:

  • MSOLAP-funktionen inkluderades först i SQL Server 7.0. Denna teknik köptes senare från ett israeliskt företag som heter Panorama.
  • Den blev snart en av de mest använda OLAP-motorerna eftersom den ingick som en del av SQL Server.
  • SSAS renoverades helt med lanseringen av MS SQL Server 2005.
  • Den versionen erbjöd även en funktion för "underkuber" med Scope-satsen, vilket ökade funktionaliteten hos SSAS-kuber.
  • SSAS 2008 R2- och 2012-versionerna handlade främst om frågeprestanda och skalbarhet.
  • In Microsoft I Excel 2010 har ett tillägg som heter PowerPivot anlänt, vilket använder en lokal instans av Analysis Services med den nya xVelocity-motorn för att öka frågeprestanda.

Viktig SSAS-terminologi

Nu ska vi lära oss några viktiga terminologier inom SSAS:

  • Datakälla
  • Datakälla Visa
  • Cube
  • Måttbord
  • Dimensionera
  • Nivå
  • Faktatabell
  • Mäta
  • Schema

Datakälla

En datakälla är en sorts anslutningssträng. Den upprättar en anslutning mellan analysdatabasen och RDBMS.

Datakälla Visa

En datakällvy är en logisk modell av databasen.

Cube

En kub är en grundläggande lagringsenhet. Det är en samling data som har aggregerats för att ge frågor möjlighet att snabbt returnera data.

MOLAP

MOLAP är uppbyggt av en datakub som innehåller mått och dimensioner, inklusive alla medlemmar som kan finnas i en hierarkisk relation. Det är en specifik uppsättning regler som hjälper till att avgöra hur vissa celler beräknas i en gles kub och hur måttvärden summeras inom dessa hierarkier.

Måttbord

  • En dimensionstabell innehåller dimensionerna för ett faktum.
  • De är kopplade till faktatabellen med hjälp av en främmande nyckel.
  • Dimensionstabeller är avnormaliserade tabeller.
  • Dimensioner ger faktaegenskaper genom deras attribut.
  • Det finns ingen gräns för ett givet antal dimensioner.
  • En dimension innehåller en eller flera hierarkiska relationer.

Dimensionera

En dimension ger sammanhanget kring en affärsprocesshändelse. Enkelt uttryckt ger den vem, vad och var för ett faktum. I försäljningsprocessen, för faktumet "försäljningsnummer", skulle dimensionerna vara:

  • Vilka – kundernas namn.
  • Var – plats.
  • Vad – produktnamn.

Med andra ord är en dimension ett fönster för att se informationen i fakta.

Nivå

Varje typ av sammanfattning som kan hämtas från en enda dimension kallas en nivå.

Faktatabell

En faktatabell är den viktigaste tabellen i en dimensionell modell. Den innehåller mått eller fakta och en främmande nyckel till dimensionstabellen, till exempel löneoperationer.

Mäta

Varje faktatabell innehåller ett eller flera mått som bör analyseras. Till exempel kan en tabell med bokförsäljningsinformation mäta vinst eller förlust för antalet sålda böcker.

Schema

Ocuco-landskapet databas Ett schema för ett databassystem är dess struktur som beskrivs i ett formellt språk, som stöds av databashanteringssystemet. Termen "schema" hänvisar till organisationen av data som en ritning för hur databasen är konstruerad.

Typer av modeller i SSAS

Nu ska vi lära oss vilka typer av modeller som finns i SSAS.

Multidimensionell datamodell

Ocuco-landskapet flerdimensionell datamodell består av en datakub. Det är en grupp operationer som låter dig fråga efter cellernas värden genom att använda kub- och dimensionsmedlemmar som koordinater. Den definierar regler som avgör hur måttvärden summeras inom hierarkier eller hur specifika värden beräknas i en gles kub.

Tabellmodellering

Tabellmodellering organiserar data i relaterade tabeller. Tabellerna betecknas inte som "dimensioner" eller "fakta", och utvecklingstiden är kortare med tabellmodellering eftersom alla relaterade tabeller kan fylla båda rollerna.

Tabellformad vs. flerdimensionell modell

Driftparametrar Tabellformat Flerdimensionellt
Minne Cache i minnet Filbaserad lagring
Structure Lös struktur Stel struktur
Bästa egenskapen Data behöver inte flyttas från källan Bäst när data placeras i ett stjärnschema
Typ av modell Relationsmodell Dimensionell modell
Frågespråk DAX MDX
Komplexitet Enkelt Komplex
Storlek Mindre större

Viktiga egenskaper hos SSAS

De viktigaste funktionerna i SSAS är:

  • Den erbjuder bakåtkompatibilitet på API-nivå.
  • Du kan använda OLE DB för OLAP för klientåtkomst-API:et och MDX som frågespråk.
  • SSAS hjälper dig att bygga MOLAP-, HOLAP- och ROLAP-arkitekturer.
  • Det låter dig arbeta i klient-server-läge eller offline-läge.
  • Du kan använda SSAS-verktyget med olika guider och designers.
  • Skapande och hantering av datamodeller är flexibel.
  • Du kan anpassa applikationer med omfattande support.
  • Den erbjuder en dynamisk struktur, ad hoc-rapporter, delade metadata och säkerhetsfunktioner.

SSAS kontra PowerPivot

Parameter SSAS PowerPivot
Vad det är SSAS Multidimensional är "Corporate BI" Microsoft PowerPivot är "självbetjänande BI"
konfiguration Distribuerad till SSAS Distribuerad till SharePoint
Används för Visual Studio-projekt excel
Storlek Begränsat till minne Kapacitet begränsad till 2 GB
Partitionsstöd Stöder partitionering Inga partitioner
Frågetyp DirectQuery och Vertipaq Tillåter endast Vertipaq-frågor
Adminverktyg Serveradministrationsverktyg (t.ex. SSMS) Excel- och SharePoint-administratör
Säkerhet Säkerhet på radnivå och dynamisk säkerhet Arbetsbok filsäkerhet

Fördelar med SSAS

Fördelarna med SSAS är:

  • Hjälper dig att undvika resurskonflikter med källsystemet.
  • Det är ett idealiskt verktyg för numerisk analys.
  • SSAS möjliggör upptäckt av datamönster som kanske inte är omedelbart uppenbara, med hjälp av de data mining-funktioner som är inbyggda i produkten.
  • Den erbjuder en enhetlig och integrerad vy över all din affärsdata för rapportering, KPI-scorecardanalys och datautvinning.
  • SSAS erbjuder online analytisk bearbetning (OLAP) av data från olika datakällor.
  • Det låter användare analysera data med en mängd verktyg, inklusive SSRS och excel.

Nackdelar med att använda SSAS

  • När du väl har valt en sökväg (tabellformad eller flerdimensionell) kan du inte migrera till den andra versionen utan att börja om.
  • Du har inte tillåtelse att sammanfoga data mellan tabellformiga och flerdimensionella kuber.
  • Tabellformatering kan vara riskabelt om kraven ändras mitt i projektet.

Bästa praxis för att använda SSAS

  • Optimera kub- och måttgruppsdesign.
  • Definiera användbara aggregeringar.
  • Använd partitioneringsmetoden.
  • Skriv effektiv MDX.
  • Använd frågemotorns cache effektivt.
  • Skala ut när du inte längre kan skala upp.

Vanliga frågor

Välj tabellformat för enklare modeller i minnet och snabbare utveckling med DAX. Välj flerdimensionellt för stora stjärnschemalager som behöver komplexa beräkningar och MDX. Migrering mellan dem innebär att börja om.

MOLAP lagrar aggregeringar i en kub för snabba läsningar, ROLAP lämnar data i den relationella källan och HOLAP är en hybrid som håller detaljer relationella och aggregerade i kuben.

DAX är formel- och frågespråket för tabellmodeller och liknar Excel-formler. MDX är frågespråket för flerdimensionella kuber och fungerar med medlemmar, tupler och mängder.

AI kan föreslå vilka mått och dimensioner som ska modelleras, utarbeta DAX eller MDX från en vanlig fråga och avslöja mönster i kubdata som en manuell granskning kan missa, till exempel oväntade korrelationer.

En faktatabell innehåller de mätbara talen och främmande nycklar, medan en dimensionstabell innehåller de beskrivande attribut som används för att filtrera och gruppera dessa tal, till exempel produkt, kund eller datum.

Sammanfatta detta inlägg med: