商业智能分析服务多维数据库的设计和维护.ppt

Analysis Service 之OLAP 陈希章 大纲 功能概述 功能实现 无数据源创建解决方案 扩展优化 部署管理 功能概述 商业智能的三个层次 数据报表（静态报表 动态报表） 数据分析 数据挖掘 AS的功能实际上就包含两个方面 OLAP（在线数据分析） DM（数据挖掘） UDM AS Unified Demission Model（统一维度模型，这是SQL 2005的改进之处） 支持交互分析的查询 支持大数据量的分析 支持业务规则的嵌入 UDM是在业务系统和用户查询之间的桥梁 AS为UDM提供了一个操作的平台 UDM实际上主要做二维数据到多维数据的转换 功能实现 数据源（一般都是数据仓库） 可以支持多种数据源连接 SQL Server Access Oracle Excel Outlook Exchange 数据源登陆方式 windows SQL Server身份验证 功能实现 数据源视图 确定维度与事实表之间的架构 创建命名计算 排列表的连接结构视图 支持非持续数据源连接情况下开发AS项目 数据源视图会缓存元数据 比较2000而言，因为2005允许在一个多维数据集中有多个事实表，所以关系可能比较复杂 可以建多个关系图 这里的表是可以重命名的（以便更直观），也可以改查询 命名计算 典型的用法是把客户的名字组合起来FullName CASE WHEN MiddleName is null Then FirstName + +LastName Else FirstName + +MiddleName + + LastName End 功能实现 维度用法 定义了维度与度量值的关系，使用二维矩阵形象地描述出这个关系 关系 常规关系：主外键关系（最常见的），直接的关系。例如销售事实表与产品表的关系 引用关系：就是维度表与事实表并没有直接的关系，但可以通过其他的维度表与事实表建立关系，例如销售事实表与地理位置表的关系。相当于雪花型架构。 事实关系：这里相关的概念有事实维度（又称为退化维度），指的是直接把一些简单的维度放在事实表中，而不专门去做一个维度表），这些维度与事实表之间的关系，就称为事实关系。 有用的维度数据有时存储在事实数据表中，可以减少重复 事实维度支持对事实表进行钻取 多对多关系（这是2005新增的），例如订单原因，学生选课的场景。 用多对多的关系，要注意，总计数值和小计的数值之和可能是相等的 功能实现 计算成员（用MDX语法创建复杂的计算） 计算成员 命名集 脚本命令 功能实现 关键性能指标（KPI：关键绩效指标）报表数据不足以形象地说明问题 最主要的改进是有可视化的功能 四个部分组成 值（要监控的值） 目标（监控的值的目标） 状态（值和目标的比较，完成计划的情况），如差，中，好 趋势（描述与以往的对比情况） KPI Builder 功能实现 透视 因为AS 2005允许在一个多维数据集中可以有多个事实表，所以关系可能很复杂，对于分析人员来说可能很难处理 透视相当于是一个视图或者说是一个子多维数据集，它规定了要显示什么事实表，什么KPI等等 无数据源创建解决方案 创建解决方案方法之一 根据数据来搭建多维数据集，由下到上的 常规方式：使用数据源创建维度 创建解决方案方法之二 无数据源创建 可以根据一些模版来创建维度和多维数据集，然后再往前推，规定数据仓库的架构，通过IS把数据导入进来 扩展和优化，安全 获取多维数据集信息 利用程序创建程序集 存储模式 MOLAP，ROLAP，HOLAP 主动缓存 分区设计 角色模型 部署和管理 是否要进行迁移? * * * * * *