Кубы являются ключевыми элементами OLAP (онлайн-аналитической обработки), технологии, обеспечивающей быстрый доступ к данным в хранилище данных. Кубы предоставляют механизм для быстрого поиска данных с постоянным временем отклика, независимо от объема данных в кубе или сложности процедуры поиска.
Кубы - это подмножества данных в хранилище данных, организованные и обобщенные в рамках многомерной структуры. Данные суммируются в соответствии с выбранными бизнес-факторами, обеспечивая механизм для быстрого и единообразного времени ответа на сложные запросы.
Определение куба - это первый из трех шагов в создании куба. Другими шагами являются определение стратегии резюмирования путем разработки агрегатов (предварительно вычисленных элементов данных) и загрузка куба для его обработки. Чтобы определить куб, выберите целевую таблицу и выберите меры (числовые столбцы, представляющие интерес для пользователей куба) в этой таблице. Затем выберите измерения, каждое из которых состоит из одного или нескольких столбцов из другой таблицы. Измерения предоставляют категориальное описание, по которому меры разделяются для анализа пользователями куба.
Размеры
Измерения - это описательные категории, по которым числовые данные (измерения) в кубе разделяются для анализа. Например, если измерением куба является счетчик производства, а измерениями являются время, местоположение завода и продукт, пользователи куба смогут разделить счетчик производства по нескольким временным категориям, расположение завода и продукции.
Можно создать измерение для использования в одном кубе или в нескольких кубах. Измерение, созданное для отдельного куба, называется частным измерением. Напротив, если оно может использоваться несколькими кубами, оно называется общим измерением. Их можно использовать в любом кубе в базе данных, таким образом оптимизируя время и избегая дублирования частных измерений.
Общие измерения также позволяют стандартизировать бизнес-метрики между кубами. Например, стандартизация общих измерений для времени и географического положения гарантирует, что анализируемые данные из разных кубов будут организованы одинаково.
измерения
Меры - это числовые данные, представляющие наибольший интерес для пользователей куба. Некоторые общие показатели - это объем продаж в единицах, объем продаж в песо, себестоимость продаж, расходы, объем производства, бюджет и т. Д. Они используются процедурой агрегирования сервиса OLAP и сохраняются для быстрого ответа на запросы пользователей.
Вы можете создать вычисляемую меру и вычислять элементы измерения, комбинируя многомерные выражения (MDX), математические формулы и определяемые пользователем функции (UDF). Эта возможность позволяет определять новые меры и элементы измерения на основе простого синтаксиса формулы. Могут быть зарегистрированы дополнительные библиотеки UDF, которые будут использоваться при определении вычисляемых элементов.
Свойства члена
Вы можете определить свойства для элементов измерения и использовать данные для этих свойств в кубе. Например, если элементы измерения продукта являются его номером детали, это то же самое, что и различные свойства, связанные с этим номером детали, такие как размер, цвет и т. Д. Вы можете указать такие свойства как свойство элемента и использовать его в аналитическом поиске.
Виртуальные кубы
Вы можете объединять кубы внутри виртуальных кубов, подобно процессу объединения таблиц с представлениями в реляционных базах данных. Виртуальный куб обеспечивает доступ к данным в объединенных кубах, если необходимо построить новый куб, при этом позволяя сохранить лучший дизайн в каждом отдельном кубе.
Куб можно обновлять, обрабатывая только добавленные данные, вместо всего куба можно использовать инкрементное обновление для обновления куба во время его использования.
Скопления
Так называется процесс предварительного расчета сумм данных, помогающий сократить время отклика в процессах поиска информации.
Безопасность
Используя средства безопасности, которыми управляют службы Microsoft SQL Server OLAP, вы можете контролировать, кто имеет доступ к данным, и типы операций, которые пользователи могут выполнять с данными. Службы OLAP поддерживают интегрированную систему безопасности, предлагаемую операционной системой Windows NT, и позволяют назначать разрешения доступа к базе данных и кубу, включая виртуальные кубы.
Безопасность управляется с помощью прав контроля доступа, которыми управляют роли, которые определяют тип доступа к данным. Роли определяют категории пользователей с одинаковыми элементами управления доступом.
Режимы хранения
Для кубов есть три способа хранения вашей информации:
1.- MOLAP - многомерный OLAP.
2.- ROLAP - реляционный OLAP.
3.- HOLAP - Гибридный OLAP.
MOLAP
Исходные данные куба хранятся вместе с его агрегатами (суммированиями) в высокопроизводительной многомерной структуре. Хранилище MOLAP обеспечивает отличную производительность и сжатие данных. Как говорится, все идет по ведру.
У него лучшее время отклика, зависящее только от процента и макета агрегатов куба. В целом этот метод очень подходит для часто используемых сегментов из-за его быстрой реакции.
ROLAP
Вся информация в кубе, его данные, его агрегирование, суммы и т. Д. Хранятся в реляционной базе данных. ROLAP не хранит копию базы данных, он обращается к исходным таблицам, когда ему нужно ответить на вопросы, обычно это намного медленнее, чем две другие стратегии хранения.
Обычно ROLAP используется для больших наборов данных, поиск по которым осуществляется нечасто, например, исторических данных за последние годы.
HOLAP
HOLAP объединяет атрибуты MOLAP и ROLAP, агрегирование данных хранится в многомерной структуре, используемой MOLAP, а исходная база данных - в реляционной базе данных. Для процедур поиска, которые обращаются к сводным данным, HOLAP эквивалентен MOLAP, напротив, если эти процессы будут обращаться к исходным данным, таким как детализация, они должны искать данные в реляционной базе данных, и это не так быстро по сравнению с тем, данные хранились в структуре MOLAP.
Кубы, хранящиеся в HOLAP, меньше, чем MOLAP, и реагируют быстрее, чем ROLAP.
HOLAP обычно используется для кубов, требующих быстрого ответа, для суммирования на основе большого количества данных.
