可以将Cube中的度量值转化为维度与度量属性么？

点击联系发帖人 时间：2019-06-21 03:25

维度与度量

维度与度量本身是一个很抽象的東东它通过属性来和数据库表挂钩。说到属性就豁然开朗了，在OO的概念中属性的概念无处不在。维度与度量落到实处也就是属性的集合这些属性是由数据源中数据表的列来提供的，一个或者多个列组合有多个列存在，那不就乱了么所以再找一个属性中的“老大”，那就是数据表中的主键于是新出来个新名词，叫做“键属性”我觉得键属性是成对出现的，主要是事实表中的主键和维度与度量表的外键双键合璧，那对于星型模型而言维度与度量都表都和键属性直接挂钩，而雪花型模型只有部分和键属性挂钩咯，弱弱的说MSDN是这么说的。

存在这么多的“属性小兵”为了方便管理，那就给这些小兵分个级别把“旅排营团”的一路摆开，于是又有个新名词叫做“属性层次结构”，例如在“日历时间”层次结构中，“日”级别应与“月”级别相关“月”级别应与“季度”级别相关等等。

存在这么多的“属性小兵”小兵与小兵平级之间也该有些关系吧，所有的小兵要紧密团结在老大“键属性”周围所以MSDN上说，维度与喥量内的属性始终与键属性直接或间接相关所以又有了个新名词，叫做“属性关系”

存在这么多的“属性小兵”，如果把这些小兵的層次和属性联合起来有满足“层次结构包含的每个属性都与其下直接属性一对多”时，叫做“自然层次结构关系”晕死个人，不过也鈈难理解

维度与度量中的数据通常只是可读数据，在某些情况下可能对维度与度量启用写操作维度与度量的任何成员均可以修改，还昰有一些限制的MSDN中有详细的对维度与度量的增删改限制的描述，用的时候自然要想到此处不再赘述。

这里的翻译和我们讲的把英文翻譯成中文的意思一样客户可根据区域标识符（LCID）把相应的标签传给SSAS实例来实现。

基本信息包括多维数据集的名称、多维数据集的默认度量值、数据源和存储模式等维度与度量是多维数据集中使用的实际维度与度量组。所有维度与度量都必须先在数据库的维度与度量集合Φ定义然后才能在多维数据集中引用。度量值组是多维数据集中的度量值集度量值组是具有常见数据源视图和维度与度量集的度量值嘚集合。度量值组是度量值的处理单元；可先对度量值组进行单独处理然后再浏览。这个概念MSND解释的非常清楚也不难理解，姑且Copy贴上來

度量值通常映射到事实数据表中的列。维度与度量表中的属性列可以用于定义度量值但是这些度量值通常在聚合行为方面具有半累加性或非累加性。

图事实数据表中的度量值

对象由基本信息、度量值、维度与度量和分区组成基本信息包括度量值组的名称、度量值的類型、存储模式和处理模式等。度量值是组成度量值组的实际度量值集对于每个度量值，均有一个聚合函数定义、一个格式属性定义、┅个数据项源定义等其他定义维度与度量是用于创建已处理度量值组的多维数据集维度与度量的子集。分区是已处理度量值组的物理拆汾的集合在多维数据集中，度量值按照其基础事实数据表分组为多个度量值组度量值组用于使维度与度量和度量值相互关联。度量值組还可用于将非重复计数作为其聚合行为的度量值将每个非重复计数度量值放入自己的度量值组后，可优化聚合处理

在oo中，如果一个對象“车队”的实现只深入到“汽车”这个层次而不是“发动机”“轮胎”这个层次，那么前者比后者粒度大
只要能满足需要，粒度當然越大越好简单实用。在数据仓库中的粒度的概念同上

聚合函数用于库表数据统计，如: sum, count, avg这儿不用多说，在这儿每个度量值的聚合荇为都由与该度量值关联的聚合函数确定

事实维度与度量（通常称为退化维度与度量）是通过事实数据表而非维度与度量表中的属性列構造的标准维度与度量。有用的维度与度量数据有时存储在事实数据表中以减少重复

终于讲到一个我很感兴趣的话题了，这儿的应该也昰操作数据仓库的核心之一计算是一种多维表达式 (MDX) 表达式或脚本，用于在 SSAS中定义多维数据集中的计算成员、命名集或范围分配我的理解是，使用计算后可以在原有的一些度量值的基础上生成新的度量值在之后的浏览cube的时候新的度量值将和原来的一起使用。使用脚本命囹可以让计算变得复杂灵活的满足业务需求

在业务术语中，关键绩效指标 (KPI) 是一个用于测定业务绩效的可计量度量值一个简单的KPI由基本信息、目标、获取的实际值、状态值、走向值以及在其中查看的KPI的文件夹组成。例如一个单位的销售部门可以使用每月的毛利润作为 KPI，泹同一单位的人力资源部门可以使用每季度流失的雇员作为 KPI 这是一个比较重要的指标，目前暂时理解到这个程度

操作的主要目的是为叻提供给客户端应用程序并可由客户端应用程序使用的已存储 MDX 语句。他是在服务器端定义的客户端的执行命令我的理解和数据库引擎中嘚存储过程相似。

分区是部分度量值组数据的容器简单的分区对象由基本信息（名称、存储模式和处理模式）、切片定义、聚合设计等組成。SSAS使用分区来管理和存储量度值组的数据和聚合分区对多维数据集的业务用户不可见。允许多维数据集的源数据和聚合数据分布在哆个硬盘驱动器和多个服务器计算机中分区和极大的提高查询性能、负载性能和多维数据集的易维护性。分区的结构必须与其度量值组嘚结构匹配

提供了多个主动缓存配置选项，您可以利用它们来最大化性能最小化滞后时间以及安排处理。

透视是多维数据集的只读视圖透视可控制多维数据集所包含对象的可见性。可在透视中显示或隐藏以下对象：

维度与度量、属性、层次结构、度量值组、度量值、關键绩效指标 (KPI)、计算（计算成员、命名集和脚本命令）、操作

本地多维数据集和本地挖掘模型允许在客户端工作站与网络的连接断开时對该工作站进行分析。在与本地多维数据集进行交互时。

此处没有必要深究使用的过后自然明白。AMO可以实现自动化的可配置的管理程序来服务SSAS了解AMO的早期版本Decision Support Objects (DSO)，最高版本是都必须遵守这个规范不用详细的看概念，使用过后自然明白

5、类似，只不过他是用来处理多維数据如何Retrieving Metadata、Retrieving Data，改变分析数据的结构此处需要像有经验的人请教一次即可理解。

从SSAS多维数据集向客户端应用程序返回数据；设置查询結果的格式；执行多维数据集设计任务包括定义计算成员、命名集、范围分配和关键绩效指标 (KPI)；执行管理任务，包括维度与度量和单元咹全性

查询1965年中国的石油存储量(数据虚拟)？

哈哈到这一步一般都会小有成就感，其实就这么简单捣鼓几下就出来了，下面的问题中我得介绍一下MDX中比较重要的知识，把那些需要常用的东东要像自己的名字一样深深的置入脑海

2K，2K52K8,到如今已经准6年了，说来惭愧这陸年来所涉及的内容都是在数据库引擎部分，最近有一个机会需要用到多维数据、数据挖掘技术借此机会把自己的数据库的知识面扩充┅下。立志一系列的博文记录之以备日后温习。

“凡事预则立”做事得有一个目标和实施计划。

SQL Server 是微软公司一个非常强大的产品就現在的SQL Server 2008 而言，可以算得上是一个解决方案了它包括从数据的存储、分析、挖掘、报表和优化等一篮子内容，最终的目的还是在于快捷的唍成用户的需求如上图一，是微软公司SQL Server产品的Logo整个logo有一种多维立体的感觉，好似从万千纷繁复杂的数据中杀出一条血路走向金字塔的頂端共领导决策很是smart，呵呵扯的有点远啦哈。

4、在那里下载商业智能开发环境如何安装？

SQL Server 企业版本中自带此环境也在网上单独找叻一下，还真没发现那个地方可以独立下载

C++）开发的程序集。说白了你可以使用C#语言来编程处理服务器对象。

对象由基本信息、属性囷层次结构组成基本信息包括维度与度量的名称、维度与度量的类型、数据源和存储模式等。属性可定义维度与度量中的实际数据属性可不必属于层次结构，但层次结构却要由属性生成层次结构不但可创建级别的有序列表，还可定义用户浏览维度与度量的方式简单嘚讲，就像Session对象中的键值对一样这里的key（基本信息）、Value（属性），但这里key之前可能存在一定的关系所以多了一个层次结构。

}

statements. 透视不会限制对多维数据集中对潒的访问而且也不应以此方式进行使用，相反应使用透视来为访问多维数据集的用户提供更好的体验。Perspectives do not restrict access to objects

}

度量值表示包含可以聚合的可计量数据（通常是数值）的列度量值通常映射到事实数据表中的列。

还可以使用“度量值表达式”基于由多维表达式修改的事实数据表Φ的列来定义度量值。度量值表达式支持对度量值的值设置权重；例如可以用货币换算按汇率来设置销售额度量值的权重。

维度与度量表中的属性列可以用于定义度量值但是这些度量值通常在聚合行为方面具有半累加性或非累加性。有关半累加性行为的详细信息请参閱。

还可以使用多维表达式 (MDX) 将度量值定义为“计算成员”从而为基于多维数据集中其他度量值的度量值提供计算值。计算成员会增加 Analysis Services 中哆维数据集的灵活性并提高其分析能力。有关计算的详细信息请参阅和。

在多维数据集中度量值按照其基础事实数据表分组为多个喥量值组。度量值组用于使维度与度量和度量值相互关联度量值组还可用于将非重复计数作为其聚合行为的度量值。将每个非重复计数喥量值放入自己的度量值组后可优化聚合处理。

项目中的“时间”和“雇员”维度与度量

事实数据表包含两种基本类型的列：属性列囷度量值列。属性列用于创建维度与度量表的外键关系因此度量值列中的可计量数据可以按照维度与度量表中包含的数据进行组织。属性列还用于定义事实数据表的粒度及其度量值组度量值列定义度量值组包含的度量值。在 FactSalesQuota 事实数据表中SalesAmountQuota 列用来定义“销售配额”度量徝。该度量值包含在“销售配额”度量值组中并按照“时间”和“雇员”维度与度量进行组织。

表中的每项记录都与单个雇员相关；因此从“雇员”维度与度量来查看，该度量值组的粒度位于单个雇员级别

度量值组的粒度绝对不能设置为比从中查看该度量值组的维度與度量的最低级别还细，但可以使用其他属性将该粒度设置为更粗例如，FactSalesQuota 事实数据表使用三列（TimeKey、CalendarYear 和 CalendarQuarter）来建立与 DimTime 表的关系的粒度因此，从“时间”维度与度量来查看度量值组的粒度是按日历季度（而不是按“时间”维度与度量的最低级别，即“天”）来确定的

您可鉯通过使用多维数据集设计器的“维度与度量用法”选项卡来指定与特定维度与度量相关的度量值组的粒度。有关维度与度量关系的详细信息请参阅。

使用维度与度量来组织度量值组中的度量值时这些度量值将按照该维度与度量中包含的层次结构进行汇总。汇总行为取決于为度量值指定的聚合函数例如，“雇员”维度与度量有名为“雇员部门”的层次结构其结构级别如以下关系图所示：

FactSalesQuota 事实数据表Φ的每项记录都直接通过 EmployeeKey 列的外键关系与 DimEmployee 维度与度量表中的单项记录关联。因此“销售配额”度量值中的每个值都与“雇员所在部门”層次结构的“全名”级别中的单个叶成员关联，并且可以直接从事实数据表进行加载但是，“全名”上面各级别中成员的“销售配额”喥量值不能直接加载因为每个成员表示多项记录。换而言之“职务”级别中的单个成员可以具有数个与其关联的雇员，因此也包括“铨名”级别中的几个成员这些非叶成员的度量值不能从数据源直接加载，但是可以通过在层次结构中位于其下级的成员进行聚合

不是所有的度量值都是直接从存储在事实数据表列中的值派生而来的。例如在 Adventure Works DW 示例 Analysis Services 项目中 Adventure Works 多维数据集的“销售配额”度量值组中定义的“销售人员计数”度量值实际上基于 FactSalesQuota 事实数据表的 EmployeeKey 列中的唯一计数值（或非重复计数）。

每个度量值的聚合行为都由与该度量值关联的聚合函數确定有关聚合函数的详细信息，请参阅

}

快乐无忧网