SSAS Eğitimi: SSAS Küpü Nedir? Archidoku ve Türler

⚡ Akıllı Özet

SSAS, yani SQL Server Analiz Hizmetleri, MicrosoftBüyük veri hacimlerini farklı boyutlar arasında dilimlemek için kullanılan OLAP sunucusu ve analitik motorudur. Çok boyutlu ve tablo olmak üzere iki varyantı mevcuttur ve hızlı analiz için küpler ve modeller oluşturmak üzere bir RDBMS'den toplanmış verileri kullanır.

  • 🧊 Temel Amaç: SSAS, büyük veri hacimlerini dilimleyip analiz etmenizi sağlayan çok boyutlu bir OLAP sunucusudur.
  • 🏛️ Üç Katman: İlişkisel veritabanı yönetim sistemi (RDBMS), SSAS küplerini besler ve istemciler bunları gösterge panelleri ve portallar aracılığıyla okur.
  • 🧱 Anahtar terimler: Veri kaynağı, küp, boyut, seviye, olgu tablosu, ölçü ve şema modeli tanımlar.
  • 🔀 İki Varyant: Çok boyutlu algoritmalar küpler ve MDX kullanırken, tablo algoritmaları ilişkili tablolar ve DAX kullanır.
  • 💾 Depolama Modları: SSAS, MOLAP, HOLAP ve ROLAP mimarilerini destekler.
  • 🇧🇷 Tablosal mı, Çok Boyutlu mu? Tablosal yapı daha basittir ve hafızada kalır; çok boyutlu yapı ise yıldız şemasına uygundur.
  • 🔐 Kurumsal Uygunluk: Satır düzeyinde güvenlik, bölümleme ve OLAP, onu kurumsal bir iş zekası motoru haline getiriyor.

SSAS Eğitimi SQL Server Analiz Servisi

SSAS nedir?

SQL Server Analiz Hizmetleri (SSAS) Çok boyutlu bir OLAP sunucusu ve aynı zamanda büyük veri hacimlerini dilimleyip analiz etmenizi sağlayan bir analitik motorudur. Bu, Microsoft SQL Server Çeşitli boyutlar kullanarak analiz yapılmasına yardımcı olur. Çok boyutlu ve tablo tabanlı olmak üzere iki varyantı vardır. SSAS'ın tam adı SQL Server Analysis Services'tir.

ArchiSSAS'ın yapısı

Öncelikle SSAS mimarisi hakkında bilgi edineceğiz.

SSAS üç katmanlı mimarisi

SQL Server Analysis Services'ın mimari yapısı, üç katmanlı bir mimariye dayanmaktadır ve bu mimari şunlardan oluşmaktadır:

  1. RDBMS: Excel, veritabanı ve metin gibi farklı kaynaklardan veri, bir RDBMS yardımıyla çekilebilir. ETL aracı RDBMS'ye girin.
  2. SSAS: İlişkisel veritabanı yönetim sisteminden (RDBMS) toplanan veriler, analiz hizmetleri projeleri kullanılarak SSAS küplerine aktarılır. SSAS küpleri, daha sonra birçok amaç için kullanılabilen bir analiz veritabanı oluşturur.
  3. Müşteri: Müşteriler, gösterge panelleri, performans değerlendirme tabloları, portallar ve benzeri araçlar kullanarak verilere erişebilirler.

SSAS'ın Tarihi

Şimdi SSAS'ın tarihçesine göz atalım:

  • MSOLAP özelliği ilk olarak SQL Server 7.0'da yer aldı. Bu teknoloji daha sonra Panorama adlı bir İsrail şirketinden satın alındı.
  • SQL Server'ın bir parçası olarak dahil edildiği için kısa sürede en çok kullanılan OLAP motorlarından biri haline geldi.
  • SSAS, piyasaya sürülmesiyle birlikte tamamen yenilendi MS SQL Server 2005
  • Bu sürüm ayrıca Scope ifadesiyle "alt küpler" oluşturma özelliğini de sunarak SSAS küplerinin işlevselliğini artırdı.
  • SSAS 2008 R2 ve 2012 sürümleri esas olarak sorgu performansı ve ölçeklenebilirlik konularına odaklanmıştı.
  • In Microsoft Excel 2010 ile birlikte, sorgu performansını artırmak için yeni xVelocity motoruyla yerel bir Analysis Services örneği kullanan PowerPivot adlı bir eklenti geldi.

Önemli SSAS Terminolojisi

Şimdi SSAS'ın bazı önemli terimlerini öğreneceğiz:

  • Veri kaynağı
  • Veri Kaynağı Görünümü
  • Küp
  • Boyut Tablosu
  • Boyut
  • Seviye
  • Bilgi Tablosu
  • Tedbir
  • Şema

Veri kaynağı

Veri kaynağı bir tür bağlantı dizesidir. Analiz veritabanı ile veri kaynağı arasında bir bağlantı kurar. RDBMS.

Veri Kaynağı Görünümü

Veri kaynağı görünümü, veritabanının mantıksal bir modelidir.

Küp

Bir küp, temel bir depolama birimidir. Sorguların verileri hızlı bir şekilde döndürmesini sağlamak için bir araya getirilmiş veri koleksiyonudur.

MOLAP

MOLAP, hiyerarşik bir ilişkide olabilecek tüm üyeleri içeren ölçüler ve boyutlar barındıran bir veri küpünden oluşur. Seyrek bir küpte belirli hücrelerin nasıl hesaplandığını ve bu hiyerarşiler içinde ölçü değerlerinin nasıl toplandığını belirlemeye yardımcı olan özel bir kurallar kümesidir.

Boyut Tablosu

  • Boyut tablosu, bir olgunun boyutlarını içerir.
  • Bunlar, yabancı anahtar kullanılarak olgu tablosuna bağlanır.
  • Boyut tabloları normalleştirilmemiş tablolardır.
  • Boyutlar, nitelikleri aracılığıyla olguların özelliklerini sunar.
  • Belirli bir boyut sayısı için belirlenmiş bir sınır yoktur.
  • Bir boyut, bir veya daha fazla hiyerarşik ilişki içerir.

Boyut

Bir boyut, bir iş süreci olayını çevreleyen bağlamı sunar. Basitçe ifade etmek gerekirse, bir olayın kim, ne ve nerede gerçekleştiğini verir. Satış iş sürecinde, "satış rakamı" olayı için boyutlar şunlar olacaktır:

  • Kim – müşteri isimleri.
  • Nerede – konum.
  • Ne – ürün adı.

Başka bir deyişle, boyut, olgulardaki bilgiyi görüntülemek için bir penceredir.

Seviye

Tek bir boyuttan elde edilebilen her özet türüne seviye denir.

Bilgi Tablosu

Boyutlu bir modelde en önemli tablo olgu tablosudur. Ölçümleri veya olguları ve bir yabancı anahtar Örneğin, bordro işlemleri gibi boyut tablosuna.

Tedbir

Her bir olgu tablosu, analiz edilmesi gereken bir veya daha fazla ölçüm içerir. Örneğin, bir kitap satış bilgisi tablosu, satılan kitap sayısına ilişkin kar veya zararı ölçebilir.

Şema

MKS veritabanı Bir veritabanı sisteminin şeması, veritabanı yönetim sistemi tarafından desteklenen, resmi bir dilde tanımlanmış yapısıdır. "Şema" terimi, veritabanının nasıl oluşturulacağına dair bir plan olarak verilerin organizasyonunu ifade eder.

SSAS'ta Model Türleri

Şimdi SSAS'taki model türlerini öğreneceğiz.

Çok Boyutlu Veri Modeli

MKS çok boyutlu veri modeli Bir veri küpünden oluşur. Küp ve boyut üyelerini koordinat olarak kullanarak hücrelerin değerini sorgulamanıza olanak tanıyan bir işlem grubudur. Hiyerarşiler içinde ölçü değerlerinin nasıl toplanacağına veya seyrek bir küpte belirli değerlerin nasıl hesaplanacağına karar veren kuralları tanımlar.

Tablosal Modelleme

Tablosal modelleme, verileri birbiriyle ilişkili tablolara ayırır. Tablolar "boyut" veya "gerçek" olarak adlandırılmaz ve tüm ilişkili tablolar her iki rolü de üstlenebildiği için tablosal modelleme ile geliştirme süresi daha kısadır.

Tablosal Model vs Çok Boyutlu Model

Parametreler çizelge halinde Çok boyutlu
Bellek Bellek içi önbellek Dosya tabanlı depolama
Structure Gevşek yapı Sağlam yapı
En iyi özelliği Verilerin kaynaktan taşınmasına gerek yoktur Veriler yıldız şemaya yerleştirildiğinde en iyi sonucu verir.
Modelin türü ilişkisel model Boyutlu model
Sorgu dili DAX MDX
karmaşa Basit Karmaşık
Beden Daha küçük büyük

SSAS'nin Temel Özellikleri

SSAS'ın temel özellikleri şunlardır:

  • API düzeyinde geriye dönük uyumluluk sunar.
  • İstemci erişim API'si için OLE DB for OLAP'ı ve sorgu dili olarak MDX'i kullanabilirsiniz.
  • SSAS, MOLAP, HOLAP ve ROLAP mimarileri oluşturmanıza yardımcı olur.
  • İstemci-sunucu modunda veya çevrimdışı modda çalışmanıza olanak tanır.
  • SSAS aracını farklı sihirbazlar ve tasarımcılarla kullanabilirsiniz.
  • Veri modeli oluşturma ve yönetimi esnektir.
  • Kapsamlı destek sayesinde uygulamaları özelleştirebilirsiniz.
  • Dinamik bir yapı, özel raporlar, paylaşılan meta veriler ve güvenlik özellikleri sunar.

SSAS ve PowerPivot karşılaştırması

Parametre SSAS PowerPivot
Ne olduğunu SSAS Çok Boyutlu “Kurumsal İş Zekası”dır Microsoft PowerPivot, "Kendi Kendine Hizmet Veren İş Zekası"dır.
açılma SSAS'a dağıtıldı SharePoint'e dağıtıldı
İçin kullanılır Visual Studio projesi Excel
Beden Hafızayla sınırlı Kapasite 2 GB ile sınırlıdır.
Bölüm desteği Bölümlemeyi destekler Bölüm yok
Sorgu Türü DirectQuery ve Vertipaq Yalnızca Vertipaq sorgularına izin verir.
Yönetici araçları Sunucu yönetim araçları (örneğin, SSMS) Excel ve SharePoint yöneticisi
Güvenlik Satır düzeyinde ve dinamik güvenlik Çalışma kitabı dosya güvenliği

SSAS'nin Avantajları

SSAS'ın faydaları şunlardır:

  • Kaynak sistemle kaynak çekişmesini önlemenize yardımcı olur.
  • Sayısal analiz için ideal bir araçtır.
  • SSAS, ürünün içine yerleştirilmiş veri madenciliği özelliklerini kullanarak, ilk bakışta hemen fark edilemeyebilecek veri kalıplarının keşfedilmesini sağlar.
  • Raporlama, KPI performans göstergeleri analizi ve veri madenciliği için tüm işletme verilerinize ilişkin birleşik ve entegre bir görünüm sunar.
  • SSAS, farklı veri kaynaklarından gelen verilerin çevrimiçi analitik işlenmesini (OLAP) sunar.
  • Bu, kullanıcıların verileri çeşitli araçlarla analiz etmelerine olanak tanır; bunlar arasında şunlar yer alır: SSRS'ler hem de Excel.

SSAS Kullanmanın Dezavantajları

  • Bir yol (tablo şeklinde veya çok boyutlu) seçtikten sonra, baştan başlamadan diğer sürüme geçemezsiniz.
  • Tablo halindeki ve çok boyutlu küpler arasındaki verileri birleştirmenize izin verilmemektedir.
  • Proje sürecinin ortasında gereksinimler değişirse, tablo tabanlı yöntemler riskli olabilir.

SSAS Kullanımında En İyi Uygulamalar

  • Küp ve ölçüm grubu tasarımını optimize edin.
  • Faydalı toplama işlemlerini tanımlayın.
  • Bölümleme yöntemini kullanın.
  • Verimli MDX kodları yazın.
  • Sorgu motoru önbelleğini verimli bir şekilde kullanın.
  • Artık yukarı doğru ölçeklendirme yapamadığınızda, aşağı doğru ölçeklendirin.

SSS

Daha basit, bellek içi modeller ve DAX ile daha hızlı geliştirme için tablo tabanlı mimariyi seçin. Karmaşık hesaplamalar ve MDX gerektiren büyük yıldız şemalı veri ambarları için çok boyutlu mimariyi seçin. Bunlar arasında geçiş yapmak, baştan başlamak anlamına gelir.

MOLAP, hızlı okuma için özet verileri bir küpte saklar, ROLAP verileri ilişkisel kaynakta bırakır ve HOLAP ise ayrıntıları ilişkisel, özet verileri ise küpte tutan bir hibrit yapıdır.

DAX, tablo modellerinin formül ve sorgu dilidir ve Excel formüllerine yakındır. MDX ise çok boyutlu küplerin sorgu dilidir ve üyeler, demetler ve kümelerle çalışır.

Yapay zeka, hangi ölçütlerin ve boyutların modellenmesi gerektiğini önerebilir, basit bir sorudan DAX veya MDX formülleri oluşturabilir ve manuel incelemenin gözden kaçırabileceği beklenmedik korelasyonlar gibi küp verilerindeki kalıpları ortaya çıkarabilir.

Bir olgu tablosu ölçülebilir sayıları ve yabancı anahtarları içerirken, bir boyut tablosu bu sayıları filtrelemek ve gruplandırmak için kullanılan ürün, müşteri veya tarih gibi tanımlayıcı nitelikleri içerir.

Bu yazıyı şu şekilde özetleyin: