Sql server 国家数据存储
可以在关系数据存储上实现多维数据集,但是使用这种方法存在一些主要问题。技术上可行的主要原因与如何配置DSV有关。DSV本质上是物理数据库和多维数据集/维度定义之间的逻辑层。您可以在数据库中定义命名查询或创建视图来展平数据,而不是将关系表导入DSV 这种方法的优点如下:Sql server 国家数据存储,sql-server,ssis,data-warehouse,olap,business-intelligence,Sql Server,Ssis,Data Warehouse,Olap,Business Intelligence,可以在关系数据存储上实现多维数据集,但是使用这种方法存在一些主要问题。技术上可行的主要原因与如何配置DSV有关。DSV本质上是物理数据库和多维数据集/维度定义之间的逻辑层。您可以在数据库中定义命名查询或创建视图来展平数据,而不是将关系表导入DSV 这种方法的优点如下: 它相对容易实现,因为您不必构建整个ETL子系统来开始OLAP 这种方法可以很好地用于原型化您希望构建更长期的解决方案的方式。您可以在1-2天内对其进行原型化,并在今天展示OLAP的一些好处 一些非常非常大的表不必完全复制就可以支持
如果你想让我进一步阐述以上任何一点,请告诉我。祝你好运。你基本上是在问一个百万美元的问题“我如何构建DWH”。这并不是一个可以果断回答的问题 然而,这里有一个启动: 如果您正在寻找一种最低限度的可行产品,请注意,您所处的环境是数据环境,而不是纯软件环境。在数据密集型环境中,增量构建产品要困难得多,因为在系统中引入更改的工作量要大得多。想象一下,你在一个软件中所做的每一个改变都必须以某种方式与你所做过的任何事情向后兼容。现在您了解了Microsoft所处的地狱:-) 此外,数据系统还涉及许多第三方工具,如DBs、ETL工具和报告平台。您所做的选择对于系统的预期开发应该是可行的,否则您可能不得不完全替换这些工具 虽然您可以从基于简单复制SQL的DB克隆开始,然后将其聚合或推送到OLAP中,但我建议您从一开始就使用真正的ETL工具。如果你预见到增长的需要,这一点尤其正确。10次中有9次,需求会增加 如果您不介意成本的话,MS-SQL是DB的不错选择。自然的ETL工具是SSIS,它也是一个可靠的工具
即使您的第一次转换仅仅是“获取此表并将其转储到其中”,您仍然可以在流程管理(作业是否运行?如果失败会发生什么?等等)和调试方面获得很多好处。此外,由于需要处理需求和/或特殊情况,有机增长更容易。请澄清pt。2.在我对OLAP多维数据集进行的稀疏实验中,使用现有的数据模型来构建多维数据集非常困难——在ETL工具中,数据是否通常必须“非规范化”为星形/雪花模式?我在第2点进行了扩展