RiCo技術農場

今天參加 德瑞克老師 所主講的 SSAS 實務二日營，

由於自己對 SSAS 可說相當陌生，

但今天聽完老師詳細講解後，對 SSAS 不在有恐懼感，

趁自己記憶猶新馬上做個筆記方便以後查看。

 

OLTP(線上交易處理):

@2個主要特性1.並行存取 2.不可部分完成性

@設計需考量高度正規化。最小或沒有彙總資料將可降低查詢和備份時間。

@索引需小心使用(讀和寫效能上的衝突)

 

OLAP(線上分析處理):

@資料查詢為主，利用預先處理和整裡原始資料達到提高查詢效能(批次更新、高度壓縮)。

@設計需考量解除正規化。可以建立許多索引改善查詢效能。

@使用星形(Star Schema)或雪花(Snowflake Schema)架構來整理資料。

 

Star Schema:

1.設計複雜且耗時

2.需要ETL輔助(資料品質高)

3.查詢效能較佳

 

Snowflake Schema:

1.沿用OLTP 設計(設計簡單)

2.省略ETL前置資料處理(清理和比對)

3.查詢效能不佳

 

傳統 OLTP 的問題

1.查詢效能差

2.Table Lock 問題

3.交易問題

 

BI相關名詞介紹

 

事實資料表(Fact Table):

包含數值量測的中央資料表(關聯於維度資料表相關索引鍵)，即資料是經過分析處理和量化過的。

 

維度資料表(Dimension Table):

用於描述 Fact Table 資料。

 

Cube:

組織和摘要成一組維度和量值所定義的多維度結構(資料)。

 

量值(measure):

該Cube之事實資料表中的資料行做為基礎的一組值，而且通常是數值。

 

維度(Dimension):

Cube結構屬性(有層級)，描述事實資料表中的資料。

 

傳統多維度資料庫缺點:

1.重複儲存資料(Cube、Data warehouse、Data Mart)

2.開發困難(語法混合TSQL和MDX、Data Provider不同)

 

統一維度模型(UDM)

1.Cube可包含多個Fact Table。

2.主要提供即時性BI可能(但效能較差)。

3.利用 Data Source View整合異質資料來源。

 

維度儲存:

1.ROLAP(關聯式):效能差但資料可以即時。

2.MOLAP(多維度):效能佳但資料無法即時。

 

維度屬性:

KeyColumns:表示屬性之索引鍵一或多個資料行。

NameColumn:使用者顯示之屬性名稱資料行(非屬性之索引鍵資料行中的值)。

 

Lab2

1.Creating a Data Source

2.Creating and Modifying a Data Source View

3.Creating and Modifying a Cube

 

 

 

相關圖片來源: SSAS 實務二日營 上課講義