SSAS-三个地方的数据?

SSAS-三个地方的数据?,ssas,data-warehouse,Ssas,Data Warehouse,DW概念和SSA的新功能。我读到很多关于规范化关系数据库对于OLTP来说是最佳的,这是由于多个事务批处理的典型工作负载造成的。对于DW/BI应用程序,反规范化通常更好,因为用于报告的查询的性质更基于批处理。。。还有其他一些我现在不记得的原因 听起来像是建议创建一个非规范化模型,从基本关系模型填充它,然后在非规范化模型的基础上构建多维数据集。假设您使用的是MOLAP存储类型,那么多维数据集将在后台构建的多维模型中存储并增量更新数据 因此,现在我们已经将基本相同的数据存储了三次 我读对了吗?为什么我

DW概念和SSA的新功能。我读到很多关于规范化关系数据库对于OLTP来说是最佳的,这是由于多个事务批处理的典型工作负载造成的。对于DW/BI应用程序,反规范化通常更好,因为用于报告的查询的性质更基于批处理。。。还有其他一些我现在不记得的原因

听起来像是建议创建一个非规范化模型,从基本关系模型填充它,然后在非规范化模型的基础上构建多维数据集。假设您使用的是MOLAP存储类型,那么多维数据集将在后台构建的多维模型中存储并增量更新数据

因此,现在我们已经将基本相同的数据存储了三次


我读对了吗?为什么我们甚至需要中间的非规范化表?无法优化报表查询,因为这些查询是针对多维SSAS数据存储运行的。为什么不针对定义基本上是关系数据库视图的dsv构建多维数据集呢

多维模型需要关系模型在星型模式(即您称之为“非规范化模型”)中可用,以加载数据。在许多情况下,存在一些处理,如组合来自不同来源的数据,保持用于报告的数据比OLTP世界中所需的时间长,保持历史视图(如旧的区域或部门结构)可用于分析,这些视图在OLTP世界中是不必要的,因此会被覆盖。因此,在许多情况下,这个中间步骤是有意义的。你可能还想有明确的时间,我。E始终报告完整天数(或者,在某些情况下,报告月份)的数据,并且没有最后一天的数据,也没有最后一天的数据,这使得比较一天的数字比比较e更容易。G今天的销售额仅包含截至10点的数据,而昨天的销售额为全天

在一些简单的情况下,中间关系数据结构不需要在物理上可用。几天前,我准备了一个原型立方体,其中星型模式只是源数据的一组视图。当然,在本例中,数据仅在原始源表单和多维数据集中物理可用。源数据的结构并没有使视图变得如此低效,因此数据加载到多维数据集对于原型来说足够快