Dlaczego warto zbudować kostkę SSAS?

Question

Właśnie szukałem najlepszych wyjaśnień i powodów, aby zbudować kostkę OLAP z danych relacyjnych. Czy chodzi tu wyłącznie o wydajność i optymalizację zapytań?

Będzie świetnie, jeśli podasz odnośniki lub wskażesz najlepsze wyjaśnienia i powody budowania kostki, ponieważ możemy zrobić wszystkie rzeczy z relacyjnej bazy danych, którą możemy zrobić z kostki, a kostka szybciej wyświetla wyniki. czy istnieją jakieś inne wyjaśnienia lub powody?

Answer 1

To trochę jak pytanie, dlaczego używać JAVA/C++, kiedy możemy zrobić wszystko z językiem zespołu ;-) Budowanie kostki (oprócz wydajności) daje MDX language; ten język ma koncepcje wyższego poziomu niż SQL i jest lepszy w zadaniach analitycznych. Być może this question daje więcej informacji.

Moje 2 centavos.

Answer 2

Istnieje wiele powodów, dla których warto używać kostki do przetwarzania analitycznego.

1. Prędkość. Galerie Olap są tylko odczytowymi infra-strukturami zapewniającymi 10 razy szybsze zapytania niż ich odpowiedniki OLTP. Zobacz wiki
2. Integracja wielu danych. Na kostce można łatwo korzystać z wielu źródeł danych i wykonywać minimalną pracę z wieloma automatycznymi zadaniami (szczególnie przy korzystaniu z SSIS), aby zintegrować je z jednym systemem analitycznym. Zobacz elt process
3. Kod minimalny. Oznacza to, że nie musisz pisać zapytań. Mimo że możesz napisać MDX - język kostek w SSAS, BI Studio wykona dla Ciebie większość ciężkiej pracy. Przy projekcie, nad którym pracuję, najpierw używaliśmy SSRS do dostarczania raportów dla klienta. Pytania były długie i trudne do zrealizowania, a wdrożenie zajęło wiele dni. Ich równoważne raporty dotyczące SSAS zajęły nam pół godziny, pisząc tylko kilka prostych zapytań w celu przetworzenia niektórych danych.
4. Kostka dostarcza raportów i drążeń w górę, bez konieczności pisania dodatkowych zapytań. Użytkownik końcowy może automatycznie przejść przez wymiar, ponieważ agregacje są już przechowywane w magazynie. Pomaga to, ponieważ użytkownicy kostki muszą tylko przechodzić przez jej wymiary, aby tworzyć własne raporty bez potrzeby pisania zapytań.
5. Jest częścią Bussiness Intelligence. Po zrobieniu sześcianu można go wprowadzić do wielu nowych technologii i pomóc we wdrażaniu rozwiązań BI.

Mam nadzieję, że to pomoże.

Answer 3

Jeśli chcesz uzyskać najwyższy poziom widoku , użyj OLAP. Załóżmy, że masz miliony wierszy z informacjami o sprzedaży produktów i chcesz poznać miesięczne sumy sprzedaży.

Jeśli chcesz uzyskać szczegół o niższym poziomie , użyj OLTP (np. SQL). Załóżmy, że masz miliony wierszy ze szczegółowymi informacjami o sprzedaży produktów i chcesz sprawdzić sprzedaż jednego sklepu w danym dniu, aby znaleźć potencjalne oszustwa.

OLAP jest dobre dla dużych liczb. Nie używałbyś go do sprawdzania wartości ciągów, naprawdę ...