Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Kinek szól az előadás: Akik már ismerik valamennyire az Analysis Services-t. Tudnak dimenziót, kockát építeni. Az előadás célja Hogy segítséget adjon.

Hasonló előadás


Az előadások a következő témára: "Kinek szól az előadás: Akik már ismerik valamennyire az Analysis Services-t. Tudnak dimenziót, kockát építeni. Az előadás célja Hogy segítséget adjon."— Előadás másolata:

1

2 Kinek szól az előadás: Akik már ismerik valamennyire az Analysis Services-t. Tudnak dimenziót, kockát építeni. Az előadás célja Hogy segítséget adjon Önöknek hatékony OLAP-alapú vezetői információs Rendszerek, vagy BI megoldások tervezéséhez.

3 Miért használjunk OLAP-ot? Hatékony OLAP rendszerek alapkövetelményei Hatékony Dimenziók Attribútumok Hierarchiák tervezése Az idő dimenzió jelentősége és problémái Adatkockák tervezési kérdései

4 Egy jól megépített csillagséma és egy OLAP kocka elemei egymásnak kölcsönösen megfeleltethetőek. (1:1 mapping) Dimenzió tábla = dimenzió (Adatkocka éle) Ténytábla = Adatkocka cellája Csillag séma = Adatkocka Akkor miért használjuk? Lényegesen jobb lekérdezési sebesség (és nehéz úgy megfektetni, mint a relációst) Klasszisokkal jobb riportkészítő és lekérdező eszközök léteznek hozzá, mint a relációshoz Lényegesen jobb elemzési támogatást nyújt (idősor összehasonlítások) Jogosultság kezelés: A relációs oldalon nehéz olyan jogosultság kezelést kialakítani, hogy valaki láthatja az összegző szint adatait, de részletező sorokat már nem (ad-hoc lekérdezések esetén)

5 Miért használjunk OLAP-ot? Hatékony OLAP rendszerek alapkövetelményei Hatékony Dimenziók Attribútumok Hierarchiák tervezése Az idő dimenzió jelentősége és problémái Adatkockák tervezési kérdései

6 Építsünk jó csillagsémát! Ne bízzuk az Analysis Services-re a csillag séma vagy az ETL folyatat hibáinak, hiányosságainak kijavítását!!! Ismeretlen dimenzióelem, duplikált dimenzióelem, ismeretlen szülő, … Mind-mind ETL probléma, ott kell megoldani! Hiányzó elsődleges kulcsok, kalkulációk mind-mind csillagséma probléma, ott kell megoldani! Ha ezen követelményeknek megfelelünk, akkor a problémák java részét kiküszöböltük

7 Miért használjunk OLAP-ot? Hatékony OLAP rendszerek alapkövetelményei Hatékony Dimenziók Attribútumok Hierarchiák tervezése Az idő dimenzió jelentősége és problémái Adatkockák tervezési kérdései

8 Dimenziók Vizsgálati szempontok (idő, termék, vevő, …) A dimenziók attribútumokból, és hierarchiákból épülnek fel. Attribútumok Felfogható, mint egy hierarchia szintjei (Év, negyedév, hónap, nap,…) Felfogható, mint dimenzió elemek tulajdonsága (egyszintű hierarchia) (Hét napjai, Munka-, vagy szabadnap) Attribútumok kapcsolata 1:1 es attribútum (pl. egy ügyfél címe, telefonszáma, …) (ex member property) 1:M-es attribútum (Hét napjai) Hierarchiák Az attribútumok láncolata (év alatta negyedév, alatta hónap, …) Fajtái Természetes (natural) Reporting. (Sió, alatta 1 literes, alatta 12% gyümölcstartalom,..)

9 Termékcsoport Gyümölcstart Kiszerelés EAN (Cikk kód) Termék Attribútumok: Gyümölcstart Kiszerelés Attribútum hier: (1:M Attribútum) Termékcsoport Termékek ALL (User) Hierarchia EAN (Cikk kód) Attribútum reláció (1:1-es Attribútum) AttributeHierarchyEnabled=false

10 Használjunk kevés dimenziót (5- 10/kocka) sok-sok attribútummal és hierarchiával Építsünk egy „conform” dimenziót (pl. Dátum), és ezekből származtassunk sok- sok szerepjátszó dimenziót (rendelés dátuma, szállítás dátuma, …) Csak azokat az elemeket válogassuk be a szerepjátszó dimenzióba, amelyre az adott téma elemzőjének szüksége lesz (Belföldi vevők, export vevők)

11 Egy attribútum ne legyen egyszerre eleme egy attribútum hierarchiának (Attribute hierarchy), és egy felhasználói hierarchiának (user hierarchy). Csak a szükséges információkból képezzünk attribútumot! Minden attribútum rendelkezzen EGYEDI kulccsal! (Q1 helyett Q1 2007, Q1 2006) A kulcsok legyenek egész számok (mint a surrogate key-k) Állítsuk Rigid-re azon attribútumok RelationshipType tulajdonságát, amelyek nem változnak az időben. (pl. az ügyfél neme) Használjunk default membert a nem aggregálható attribútumokra!

12 A tranzitív reláció olyan reláció, amely szerint ha az első és második elem, továbbá a második és harmadik elem azonos viszonyban áll egymással, akkor ez a viszony az első és harmadik elem között is fennáll. Azon attribútumokat kössük össze, amelyek között a valóságban is létezik KÖZVETLEN kapcsolat! Az Analysis Services felismeri és megfelelően használja a tranzitív relációkat A tranzitív reláció segít az aggregáció tervezőnek!

13 Megnövelik a dimenzió méretét Megnehezítik az aggregáció tervezést Megnövelik a felösszegzések időszükségletét Speciális esetben csupa NULL értéket adhat vissza a lekérdezés

14 A hierarchiák csak az attribútumok közti kapcsolatot írják le (előre definiált bejárási útvonal) Az attribútumok beágyazásával előállíthatunk ad-hoc hierarchiákat is Akkor miért használjuk? Mert az ember is használ hierarchiákat fogalmai rendezéséhez. Mert a kliens alkalmazások még hierarchiákra (és nem attribútumokra) vannak optimalizálva Mert segít az aggregáció tervezőnek optimalizálni

15 Csak természetes hierarchiákat definiáljunk (ország-város; év-negyedév- hónap) Ne definiáljunk reporting hierarchiákat! Ezt bízzuk a felhasználókra (Összes termék, alatta 1 literes kiszerelésűek, alatta alma ízűek, alatta 12%-os gyümölcstartalmúak) klasszikus hiba: ország, alatta vevő

16 Miért használjunk OLAP-ot? Hatékony OLAP rendszerek alapkövetelményei Hatékony Dimenziók Attribútumok Hierarchiák tervezése Az idő dimenzió jelentősége és problémái Adatkockák tervezési kérdései

17 Az idő dimenzió az OLAP-alapú rendszerek lelke Mind a dimenziónak, mind attribútumainak Time típusúnak kell lennie! Az attribútumait rendezni kell! (OrderBy tulajdonság) Mindig teljes évet vegyünk fel! Kódok: Member key (Mesterséges kulcs: ) Member value (természetes kulcs: ) Member name (május 16, 2007)

18 Hierarchia szintenként 2 attribútum Hónap attribútum Elemei: január, 2007; február, 2007; Elemszáma = évek száma * 12 Ebből építsünk hierarchiát! Az év hónapjai attribútum Elemei: január, február, március, … Elemszáma = 12 Ez legyen független attribútum (Ezt használjuk szezonalitás vizsgálathoz.)

19 Hova tegyük a YTD, YoY, … kalkulációkat? Measures? Idő dimenzióba mint attribútum? Hozzunk létre külön idősor kalkulációk dimenziót!

20 Gyémánt alak (Diamond shape) Egy dimenzión belül két olyan legfelső szint, ahol nincs ALL member

21 Az idő dimenzióra nem teszünk ALL szintet, mert üzletileg nincs értelme! De ha két hierarchiát is használunk, (Pénzügyi, naptári) akkor kénytelenek vagyunk. Megoldás: Vagy ALL szint, vagy csak egyféle hierarchia.

22 Használjuk a forrásadat collation-jét Válasszuk a szükséges legkisebb adattípust

23 Építsen jó csillagsémát, és erre ültessen egy OLAP kockát! Használjon kevés „conform” dimenziót sok attribútummal Fordítson extra figyelmet az attribútum kapcsolatok tervezésére Csak természetes hierarchiákat definiáljon

24 OLAP Design Best Practices for Analysis Services sas2005.mspx Analysis Services 2005 Performance Guide d0-7f7151b2011c/SSAS2005PerfGuide.doc Project REAL: Analysis Services Technical Drilldown Magyar nyelvű anyagok

25


Letölteni ppt "Kinek szól az előadás: Akik már ismerik valamennyire az Analysis Services-t. Tudnak dimenziót, kockát építeni. Az előadás célja Hogy segítséget adjon."

Hasonló előadás


Google Hirdetések