La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Design and Implementing OLAP solution with Microsoft SQL Server 2005 Analysis Services autore: Cristian Marchi Anildo.

Presentazioni simili


Presentazione sul tema: "Design and Implementing OLAP solution with Microsoft SQL Server 2005 Analysis Services autore: Cristian Marchi Anildo."— Transcript della presentazione:

1

2 Design and Implementing OLAP solution with Microsoft SQL Server 2005 Analysis Services autore: Cristian Marchi Anildo

3 2 Obiettivi del corso Il corso fornisce ai partecipanti le conoscenze necessarie per progettare,implementare e gestire nuove applicazioni di analisi multidimensionale utilizzando il nuovo sistema Microsoft SQL Server 2005 Analysis Services.

4 3 Contenuti del corso Introduzione alla piattaforma Microsoft per la Business Intelligence Architettura degli Analysis Services Creazione di un progetto Analysis Services Introduzione agli oggetti Analysis Services Amministrazione di database Analysis Services La programmazione multidimensionale Utilizzo di Client OLAP per linterrogazione di basi dati multidimensioanli

5 4 Introduzione: la tecnologia OLAP Il termine OLAP identifica una particolare tecnologia, vista anche come estensione delle funzionalità tipiche di un Data Warehouse, in grado di supportare lelaborazione di operazioni per il supporto alle decisioni. Analysis Services è la piattaforma OLAP di Microsoft mediante la quale è possibile progettare, creare, gestire e distribuire strutture multidimensionali, le cui informazioni aggregate permettono attività di analisi per il supporto alle decisioni.

6 La piattaforma Microsoft per la Business Intelligence Sessione 1

7 6 La piattaforma Microsoft per la BI Microsoft SQL Server 2005 è una piattaforma completamente integrata che fornisce strumenti, funzionalità e caratteristiche innovative per lo sviluppo di soluzioni di Business Intelligence e applicazioni di analisi e reporting direzionale.

8 7 Panoramica dei componenti chiave di gestione Principali strumenti per la realizzazione di soluzioni BI: SQL Server Management Studio (SSMS) SQL Server Business Intelligence Development Studio (SSBIDS) Principali componenti server per la realizzazione di soluzioni BI: SQL Server Database Engine SQL Server Analysis Services SQL Server Integration Services SQL Server Reporting Services

9 8 SQL Server Management Studio Strumento integrato per la gestione ed amministrazione di qualsiasi tipo di server appartenente alla famiglia SQL Sever: –Database Engine –Analysis Services –Reporting Services –Integration Services Funzionalità tipiche di gestione database (proprietà, data files, backup and restore, etc.) Query Editor integrato: –Database Engine Query –AS MDX Query –AS DMX Query –AS XMLA Query Definizione di oggetti Analysis Services

10 9 SQL Server Business Intelligence Development Studio Strumento integrato per la gestione, implementazione e distribuzione di progetti Analysis Services Solution Explorer –Definizione di sorgenti dati (Data Source) –Definizione di strutture multidimensionali (Cubi e Dimensioni) –Definizione di modelli di Mining –Definizione di Ruoli Utente (Roles and Permission) –Amministrazione delle proprietà del progetto Analysis Services Deployment and Processing Progress –Modalità di elaborazione e storage delle strutture multidimensionali –Deploy di progetti Analysis Services

11 10 Dimostrazione 1-1 Visti da vicino… –SQL Server Management Studio –SQL Server Business Development

12 Larchitettura degli Analysis Services 2005 Sessione 2

13 12 Architettura Client/Server Architettura costruita su componenti Client e Server –Componente Server (MSMDSVR.EXE) eseguito come servizio Windows –La comunicazione con i Clients avviene utilizzando lo standard XML for Analysis per linvio di comandi

14 13 Architettura Distribuita Differenti Providers forniti con AS per supportare differenti linguaggi di programmazione Comunicazione con AS mediante linvio e la ricezione di pacchetti SOAP (XML/A) mediante protocollo TCP/IP Comunicazione mediante protocollo HTTP (Internet Information Server)

15 14 Componenti Server e Client Applicazione Server msmdsvr.exe (XML/A Listener) –Interpreta i comandi inviati dalle postazioni Client –Gestione di metadata –Processi di elaborazione delle strutture multidimensionali –Calcolo e gestione delle aggregazioni –Funzionalità di caching Applicazioni Client –Data Access Interfaces per le applicazioni Client (OLEDB for OLAP, ADO MD, ADO MD.NET, XML/A) –Comunicazione attraverso XML/A –Tutte le interrogazioni vengono elaborate lato Server

16 15 Oggetti Analysis Services Data Source Data Source Views Cubi Dimensioni Modelli di Mining Ruoli

17 16 Data Source Il Data Source rappresenta la connessione ad una origine dati. Contiene la stringa di connessione con i seguenti parametri: –Server Name –Database –Security –Timeout –Etc. Analysis Services immagazzina le informazioni di connessione in un file XML opportunamente criptato. C:\Programmi\Microsoft SQL Server\ MSSQL.2\OLAP\Data\OLAPDatabase.0.db\OLAPDatabase.7.ds.xml

18 17 Data Source: xml file - GAT - GAT T20:59: T10:10:57 7 E5E6061A-C5B7-41E7-B400-59FCC2AA6E9C 7 0 false DataSourcePermission.2.perm.xml [EncryptedDataStart]CAAAAAAHmgD2mnUf6aIvMnk/eKZUchQk6ctUoYL1rS0/9+zaA3KSwJddx28PHjP2aYkOCEsahwVz tDffiJeJwjKvUsKMGHyjsZy9kW4BvKYQA2DL54UXH1cNfiZQJaZTrwE9YDjhZ0+S0bBKLdBa/p+R zjzDsSZicOJfbo1qpG6jveIQmu334P20e6F0Kf6+/JWrOg0HIevwGmzrB1wpTMYlrexc6BEuFHRk 2tca4sLWC0Ysv7Ax7tKxy0NvarxwoBqikdQkF1vMCGH/AJqClQEql+nWjhM+ww6Uox3dkCkDRknu NeqxZrXFx1JDwtrcHXr5d4N2pZLiYet85Ylw+Q== [EncryptedDataEnd] P0D - ImpersonateServiceAccount CAAAAAAAAADzA4h3rswfNEGmETAP8q9X 10 ReadCommitted

19 18 C:\Programmi\Microsoft SQL Server\ MSSQL.2\OLAP\Data\OLAPDatabase.0.db\ >.dsv.xml Data Source Views Il Data Source Views (DSV) consente la creazione di un livello logico di interfaccia tra il sistema relazionale e quello multidimensionale. Loggetto DSV: –Contiene i metadati degli oggetti relazionali importati da una o più sorgenti dati (Data Source) connesse, oppure i metadati di oggetti relazionali che possono essere creati successivamente. –Può essere definito su una o più sorgenti dati –Può contenere relazioni, colonne calcolate e query che non sono presenti allinterno delle sorgenti dati fisiche. –Non è visibile allapplicazione Client E possibile costruire uno o più DSV. Gli oggetti DSV possono essere condivisi fra le strutture OLAP. Tutte le informazioni sono salvate in file XML

20 19 Data Source Views (continua…) Lintroduzione delloggetto DSV fornisce una enorme flessibilità nella progettazione di oggetti Analysis Services in quanto la loro implementazione non si limita allo schema fisico delle strutture contenute nellorigine dati, bensì ad uno schema logico basato su nuove relazioni, colonne calcolate o query capaci di definire nuove entità relazionali. Lintroduzione delloggetto DSV consente limplementazione di sistemi BI complessi, eliminando le problematiche relative alla creazione di nuove entità relazionali fisiche su sorgenti dati laddove non si dispone di privilegi di System Administrator. Ulteriore vantaggio è la certezza di poter progettare e disegnare modelli multidimensionali senza la necessità di essere collegati alla sorgente dati.

21 20 Dimensione Loggetto dimensione è una componente fondamentale nella struttura di un cubo. La costruzione delloggetto dimensione si basa sulle entità logiche definite nel DSV. La struttura di una dimensione è molto simile al concetto di tabella. Loggetto dimensione viene costruito su una base di attributi e gerarchie. La dimensione è una collezione di attributi. Loggetto dimensione può essere utilizzata in molteplici strutture cubi Loggetto dimensione può essere utilizzata più volte allinterno di una struttura cubo. Esistono differenti tipi di dimensioni.

22 21 Concetto di attributo La dimensione è una collezione di attributi Ogni attributo corrisponde ad una o più colonne di una tabella In una dimensione deve essere sempre definito un attributo chiave, corrispondente ad una o più colonne chiave di una tabella. (Tipicamente lattributo chiave rappresenta la PK della tabella. Laddove non sia definita una PK è possibile definire una Logical Primary Key). I membri contenuti in un attributo sono organizzati in due livelli gerarchici (livello figlio e livello ALL) Gli attributi contribuiscono alla definizione delle gerarchie. Allinterno di una dimensione è possibile definire molteplici gerarchie

23 22 Rappresentazione di una gerarchia Dimensione Tempo –Attributi Year, Quarter e Month Membri: 2004, Quarter 1,2,3… –Gerarchia Calendario Livelli Year, Quarter e Month –Membri 2004, Quarter 1,2,3…

24 23 Relazioni in una gerarchia Dimensione Parent Siblings Children Ancestors di Dec Descendants di 2004 Cousins

25 24 Le relazioni Alcuni concetti fondamentali di una rappresentazione di dati in forma multidimensionale –Fatto – un concetto sul quale centrare lanalisi –Misura – una proprietà atomica di un fatto da analizzare –Dimensione - descrive una prospettiva lungo la quale effettuare lanalisi Le dimensione devono essere quindi correlate ai fatti AS consente di combinare le dimensioni ai i fatti in modi differenti –Regular –Role-Playing –Fact Dimension –References –Many-to-Many

26 25 Regular, Role-Playing e References Una Regular Dimension è una dimensione correlata direttamente alla Fact Table attraverso lattributo chiave. Una medesima dimensione può essere correlata più volte alla Fact Table assumendo il nome di Role-Playing Dimension. Una dimensione correlata indirettamente alla Fact Table mediante una dimensione intermedia, prende il nome di References Dimension (snowflake schema). Non vi è un limite al numero di reference dimensions che possono essere correlate tra loro.

27 26 Fact Dimension Dimensioni standard i cui attributi sono definiti sulla base di colonne presenti allinterno della dimensione tabella dei fatti. Vengono utilizzate per supportare le azioni di drillthrough.

28 27 Many-to-Many Dimension Medesima logica presente nelle strutture relazionali Il concetto di dimensione many-to-many allarga il modello dimensionale oltre il classico star-schema consentendo analisi complesse dove le dimensioni non sono direttamente correlate alla Fact Table.

29 28 Categorie di dimensioni Tutte le dimensioni sono composte da informazioni soggette a cambiamenti più o meno frequenti nel tempo. AS 2005 suddivide le dimensioni in tre categorie: –Regular Dimensions – Dimensioni le cui informazioni vengono considerate statiche –Slowly Changing Dimensions – Dimensioni le cui informazioni possono cambiare –Rapidly Changing Dimensions – Dimensioni le cui informazioni possono cambiare nel tempo con una elevata frequenza.

30 29 Slowly Changing Dimensions Le SCDs mantengono uno storico dei cambiamenti allinterno di una sorgente dati. Le SCDs più comunemente utilizzate sono raggruppate in due differenti sottocategorie: –SCDs Type 1 – durante il processo di elaborazione le informazioni storiche vengono sovrascritte e non conservate (La chiave primaria identificativa del record soggetto a modifica non viene alterata). –SCDs Type 2 - forma più comune di SCD. Durante il processo di elaborazione le informazioni storiche vengono mantenute e le eventuali differenze vengono gestite mediante la generazione di un nuovo membro per lattributo soggetto a modifica.

31 30 Rapidly Changing Dimensions Utilizzate per gestire grandi quantitativi di dati Le RCDs influiscono sulla struttura della Fact Table mediante la generazione di chiavi surrogate Le RCDs e la Fact Table sono correlate tra loro mediante le correlazioni definite tra le chiavi surrogate aggiunte.

32 31 Dimostrazione 2-1 Creazione di un nuovo progetto Analysis Server Creazione di un nuovo oggetto connessione (Data Source) Creazione di un nuovo oggetto Data Source Views Creazione di un nuovo oggetto Dimensione –Identificazione degli attributi e definizione delle gerarchie –Impostazione di proprietà per loggetto Dimensione fine primo giorno

33 32 Oggetto Cubo Il Cubo è sviluppato sulla base di tabelle e viste definite nelloggetto DSV. Un Cubo è un insieme di misure, che rappresentano i fatti, e dimensioni. Un Cubo è composto da misure basate su una o più Fact Tables e dimensioni, basate su una o più Dimension Tables.

34 33 Concetto di Measures e Measures Group Una misura rappresenta una colonna che contiene i dati (solitamente numerici) quantificabili e aggregati, presenti in una tabella dei fatti. Una misura può essere calcolata sulla base di una regola di business definita utilizzando il linguaggio multidimensionale (MDX). Allinterno di un cubo, le misure presenti in una tabella dei fatti sono raggruppate tra loro, formando un gruppo di misure. In AS 2005, lo scenario prospettato è quello di definire una singola struttura multidimensionale (Cubo) che contiene una o più misure di gruppo. I dati presenti nella tabella dei fatti, allinterno di un gruppo di misure hanno una specifica granularità definita dallintersezione delle dimensioni.

35 34 UDM - Unified Dimensional Model UDM è un livello logico che si interpone tra lutente finale e linsieme delle sorgenti dati. UDM può essere definito sulla base di quattro elementi chiave: –Accesso a fonti dati eterogenee Data Source e Data Source Views –Caratteristiche e funzionalità di analisi aggiuntive KPI, Translation, Perspective, etc. –Advanced Analytics Logica di business per analisi complesse (definizione di Calculation Script) –Proactive Caching Servizio che consente di configurare laccesso ai dati (realtime o non realtime) mantenendo un elevato livello di performance. Cubo è sinonimo di UDM

36 35 UDM - Rappresentazione Il ruolo del livello UDM è quello di fornire un ponte fra lutente analista e le sorgenti dati. UDM è costruito su una o più sorgenti dati e lutente finale invia richieste/interrogazioni utilizzando una varietà di strumenti Client, quali ad esempio Microsoft Excel.

37 36 Dimostrazione 2-2 Creazione di un nuovo oggetto Cubo –Impostazione di proprietà per loggetto Cubo

38 Creazione di un progetto Analysis Services 2005 Sessione 3

39 38 Ambiente di lavoro Business Intelligence Development Studio (Visual Studio 2005) Definizione degli oggetti Definizione delle proprietà

40 39 Definizione oggetto Data Source Creazione oggetto di connessione ad una fonte dati. Impostazione delle proprietà di connessione (Server Name, Database Name, Security, etc.)

41 40 Definizione oggetto Data Source Views Definizione di un livello logico rappresentativo dei metadati Sorgente Dati Metadati

42 41 Data Source Views Designer Definizione di nuovi diagrammi, schemi relazionali, named query, colonne calcolate, etc.

43 42 Definizione oggetto Dimensione Wizard per la definizione di un nuovo oggetto dimensione –Costruzione di un oggetto dimensione utilizzando le entità presenti allinterno di una sorgente dati –Costruzione di un oggetto dimensione non utilizzando le entità presenti allinterno di una sorgente dati (modalità top-down)

44 43 Laboratorio 3-1 Mettiamo in pratica quanto sin qui analizzato: –Creazione di un nuovo progetto Analysis Server –Creazione di un nuovo oggetto connessione –Creazione di un nuovo oggetto Data Source Views Creazione di colonne calcolate, relazioni, logical key –Creazione di un nuovo oggetto Dimensione Proprietà delloggetto Dimensione Durata: 30 minuti

45 44 Definizione oggetto Cubo Wizard per la definizione di un nuovo oggetto cubo –Identificazione Fatti e Dimensioni –Identificazione Dimensione Tempo –Identificazione delle Misure

46 45 Cube Wizard Designer

47 46 Relazionare Dimensioni e Misure Utilizzo del Dimension Usage Tab del frame-work Cube Designer

48 47 …Relazionare Dimensioni e Misure Selezionare il tipo di relazione da implementare

49 48 Laboratorio 3-2 Mettiamo in pratica quanto sin qui analizzato: –Creazione di un nuovo oggetto Cubo Proprietà delloggetto Cubo –Definizione delle relazioni tra Dimensioni e Misure Durata: 30 minuti fine secondo giorno

50 49 Deploy di un progetto AS Impostazione delle proprietà di configurazione del progetto AS Deploy e Processing del progetto AS

51 Caratteristiche di un Cubo Analysis Services 2005 Sessione 4

52 51 Business Intelligence enhancement Aggiungere valore alle strutture multidimensionali mediante Business Intelligence Wizard. EnhancementTipoApplicata a Time IntelligenceCubo Account IntelligenceDimensioneDimensione o Cubo Dimension IntelligenceDimensioneDimensione o Cubo Custom AggregationDimensioneDimensione o Cubo Semiadditive BehaviorCubo Custom Member FormulaDimensioneDimensione o Cubo Custom SortingDimensioneDimensione o Cubo Dimension WritebackDimensioneDimensione o Cubo

53 52 Time Intelligence Consente la creazione semplificata di nuove misure calcolate basate su una dimensione tempo: –Period to date –Period over period –Moving averages –Parallel period Modelli di calcolo (template) definiti nel file TimeIntelligence.xml eventualmente modificabile in base alle proprie esigenze di calcolo. Modifica della struttura (metadati) delloggetto Data Source Views con laggiunta delle nuove colonne calcolate. Modifica della struttura delloggetto dimensione (Time) con laggiunta di nuovi attributi Modifica della struttura delloggetto cubo con laggiunta di nuovi membri calcolati nel linguaggio MDX.

54 53 KPI Nuovo pannello per la creazione di indicatori di business Possibilità di visualizzare gli indicatori creati in reports, portali e dashboard mediante utilizzo di APIs

55 54 Object Translation AS 2005 permette la rappresentazione dei nomi degli oggetti misure, gruppi di misure, dimensioni, attributi e gerarchie, KPIs, e membri calcolati in un linguaggio specifico (proprietà di identificazione del linguaggio LCID Local Identifier)

56 55 Perspective AS 2005 permette di definire una o più viste semplificate di un cubo in base alle specifiche di business.

57 56 Action Espressione multidimensionale (MDX) definita in AS Può essere incorporata in una applicazione client Lesecuzione viene ordinata dallutente finale Differenti tipologie di Actions: –URL –Statement –Dataset –Drillthrough –Reporting

58 57 Laboratorio 4-1 Mettiamo in pratica quanto sin qui analizzato: –Creazione di una nuova Dimensione Time mediante lutilizzo del Wizard Add Business Intelligence –Aggiunta di KPI ad un Cubo –Aggiunta di Object Translation ad un Cubo –Aggiunta di Perspective ad un Cubo Durata: 30 minuti

59 Amministrazione di un database Analysis Services 2005 Sessione 5

60 59 Ruoli, Gruppi e Permessi AS 2005 consente la creazione di Ruoli mediante lo strumento Role Designer È consentito impostare le modalità di accesso agli oggetti AS (Fact Table e Dimension Table) È consentito impostare i permessi di elaborazione per ogni singolo oggetto AS. È consentito, allamministratore di sistema, definire utenti e gruppi locali per il ruolo creato.

61 60 Backup e Restore In SSAS 2005 un amministratore può effettuare il backup di un database AS direttamente su file system. Il processo di backup crea un file contenente varie informazioni a seconda del tipo di struttura multidimensionale (OLAP, MOLAP o HOLAP) –MOLAP – metadata, dati e aggregazioni –HOLAP – metadata e aggregazioni –ROLAP – metadata In SSAS 2005 un amministratore può effettuare il restore di un database AS impostando differenti opzioni: –Restore di un database utilizzando il medesimo nome della base dati –Sovrascrivere un database esistente –Decidere se utilizzare differenti locazioni per ogni partizione che compongono la struttura miltidimensionale. Partizioni locali possono essere restorate in qualsiasi locazione appartenente allistanza dellAnalysis Server. Partizioni remote possono essere restorate in qualsiasi locazione su qualsiasi server.

62 61 Dimostrazione 5-1 Funzionalità di amministrazione di un data base OLAP –Impostazione di ruoli e permessi –Backup e Restore

63 62 Processo di strutture multidimensionali Comando mediante il quale server di Analisi accede alle sorgenti dati per alimentare le strutture multidimensionali (cubi, dimensioni, modelli di mining, partizioni, etc.) Le richieste di elaborazione vengono inviate al server di Analisi mediante protocollo nativo XML for Analysis object_reference processing_type ool_bindings ool_ds ool_dsv error_config wb_tbl_creation

64 63 Principali Opzioni di elaborazione Processing OptionDatabaseDimensionCubeMeasure Group Partition ProcessFullXXXXX ProcessClearXXXXX ProcessDefaultXXXXX ProcessDataXXX ProcessIndexesXXX ProcessUpdateX ProcessAddXX ProcessStructureX

65 64 …Opzioni di elaborazione ProcessFull può essere applicato a tutti gli oggetti AS. Elimina il contenuto delloggetto in lavorazione e ricostruisce il tutto ProcessClear può essere applicato a tutti gli oggetti AS. Elimina il contenuto delloggetto in lavorazione ProcessDefault può essere applicato a tutti gli oggetti AS. Permette di completare la lavorazione di unoggetto portandolo allo stato di Fully Processed. ProcessData può essere applicato agli oggetti OLAP (dimensioni, cubi, misure e partizioni). Lazione di lavorazione si concentra soltanto sulla ricostruzione dei dati. ProcessIndexes può essere applicato agli oggetti OLAP (dimensioni, cubi, misure e partizioni). Lazione di lavorazione si concentra soltanto sulla ricostruzione degli indici

66 65 …Opzioni di elaborazione ProcessUpdate può essere applicato soltanto alloggetto dimensione. Il processo di lavorazione verifica eventuali cambiamenti (update, addition e deletion) registrati nella tabella di origine. ProcessAdd può essere applicato soltanto agli oggetti dimensione e partizione. Riferito alle dimensioni effettua soltanto operazioni di addition. Riferito alle partizioni, il processo di lavorazione crea un partizione temporanea, elabora la partizione e termina le operazione con una attività di merge con la partizione target. ProcessStructure può essere applicato soltanto alloggetto cubo. Il processo di lavorazione effettua la ricostruzione della struttura delloggetto.

67 66 Elaborazione delle Dimensioni Logica di elaborazione

68 67 Elaborazione delle Partizioni Logica di elaborazione

69 68 Le Partizioni Una partizione è un file o un disco fisico che contiene un sottoinsieme di dati/informazioni che compongono un database Analysis Services Le partizioni si definiscono locali se sono definite, processate e salvate su un server di analisi Le partizioni si definiscono remote se sono definite su un server di analisi, ma processate e salvate su altri server Partition Wizard consente la creazione ed aggiunta di nuove partizioni ad un cubo AS. E possibile impostare le modalità di storage per ogni singola partizione creata

70 69 Storage Setting Descrizione ROLAP Modalità Real Time update. Dati e aggregazioni sono memorizzati in schema relazionale. HOLAP Modalità ibrida. Dati memorizzati in schema relazionale. Aggregazioni in schema multidimensionale Low Latency MOLAP Dati e aggregazioni memorizzati in schema multidimensionale. Il server di Analisi ascolta eventuali notifiche di aggiornamento sulle informazioni per passare eventualmente sullimpostazione real-time ROLAP, mentre la struttura MOLAP vengono riprocessati in unarea temporanea (cache). È previsto un intervallo di silenzio di almeno 10 secondi prima dellaggiornamento della cache. Qualora tale intervallo non sia raggiunto ne è previsto uno in sovrapposizione di 10 minuti. Lelaborazione procede automaticamente con uno stato di latenza di 30 minuti dopo le prime modifiche sui dati. Medium Latency MOLAP Come il precedente fatta eccezione per lelaborazione automatica con uno stato di latenza di quattro ore dopo le prime modifiche sui dati. Automatic MOLAP Viene mantenuta la corrente cache MOLAP mentre ne viene generata una nuova. Il server non passa allimpostazione real-time ROLAP. È richiesto un intervallo di 10 secondi prima della generazione della nuova cache MOLAP. Sempre previsti i 10 minuti di sovrapposizione. Mentre lelaborazione procede automaticamente con uno stato di latenza di due ore. Scheduled MOLAP Nessuna notifica di modifiche sui dati inviata al server di analisi. Il server di analisi elabora automaticamente ogni 24 ore. MOLAP Servizio di Proactive Caching non abilitato. Attività di elaborazioni manuale o schedualata.

71 70 Proactive Caching Proactive Caching è un nuovo servizio che consente di determinare ogni quanto tempo deve essere rielaborata la cache di una struttura multidimensionale. Il servizio di Proactive Caching viene impostato per ogni partizione E possibile impostare correttamente il servizio di Proactive Caching mediante lapposito Wizard.

72 71 Laboratorio 5-1 Mettiamo in pratica quanto sin qui analizzato: –Elaborazione e Processing di strutture multidimensionali –Impostazione delle opzioni di Processing –Impostazione delle modalità di Storage Gestire il servizio di Proactive Caching Durata: 30 minuti fine terzo giorno

73 Introduzione alla programmazione in Analysis Services 2005 Sessione 6

74 73 Linguaggi per amministrare una istanza AS Creare o modificare oggetti AS (database, cubi, dimensioni, etc.) mediante: –Analysis Management Objects (AMO) –XML for Analysis (XMLA) e Analysis Services Scripting Language (ASSL) Processare oggetti AS mediante: –Analysis Management Objects (AMO) –XML for Analysis (XMLA) Gestione di una istanza AS –Analysis Management Objects (AMO) –XML for Analysis (XMLA)

75 74 Analysis Management Objects (AMO) AMO è una libreria di oggetti MS.NET da utilizzare allinterno di una applicazione. AMO consente la gestione di oggetti Analysis Services (database, cubi, dimensioni, modelli di mining, etc.) AMO namespaces Microsoft.AnalysisServices Microsoft.AnalysisServices.Hosting Microsoft.Datawarehouse.ComponentModel …… AMO Classes of Namespace AnalysisService Account AccountCollection AccountType … Cube CubeAttribute CubeDimension …

76 75 Analysis Management Objects (AMO) AMO Classe Cube of Namespace AnalysisService Cube Public method CanProcess Clone CopyTo … Process … Method CopyTo Public Function CopyTo (_ obj As Cube _Cube ) As CubeCube Microsoft.AnalysisServices.Server server = new Server(); Server.Connect("localhost");

77 76 Analysis Services Scripting Language (ASSL) ASSL è una sintassi XML utilizzata dalle applicazioni clients per comunicare con SSAS ASSL è composto da due sezioni: –Data Definition Language (DDL): definizione dellistanza di AS e dei relativi oggetti –Command Language: Create, Alter, Process ovvero comandi inviati al server di analisi. Adventure Works DW Customer ProcessFull ….

78 77 Introduzione al linguaggio MDX MDX è un linguaggio utilizzato per definire, lavorare con, e restituire dati o informazioni da oggetti multidimensionali. MDX è molto simile ad un linguaggio SQL, ma non è una estensione dello stesso. Con MDX è possibile: –Creare, eliminare ed operare con oggetti multidimensionali (Data Definition Language o DDL) –Restituire e gestire le informazioni risultanti da oggetti multidimensionali (Data Manipulation Language o DML) –Gestire le informazioni attraverso un insieme di operatori e funzioni messe a disposizione –Estendere le funzionalità tipiche mediante la definizione di User Define Functions.

79 78 Concetti chiave nel linguaggio MDX Concetti fondamentali di un modello dimensionale per MDX –Hierarchies, Levels, Members and Measures –Calculated Members –Cells, Tuples and Sets –Expressions, Statements and Scripts

80 79 Hierarchies Database relazionale definito attraverso entità logiche (tabelle) bi- dimensionali, la cui intersezione tra colonne e righe fornisce il valore del dato. Allinterno di un database multidimensionale (cubi OLAP) i dati sono organizzati in gerarchie (hierarchies) e non in tabelle.

81 80 Levels, Members and Measures Ogni dimensione (Route, Source, Time e Measures) contiene dei livelli (levels). Ogni livello di una gerarchia è composto da singoli elementi, membri (members), ovvero i dati presenti allinterno di una dimensione. Un membro può rappresentare una o più occorrenza di dati I Membri della dimensione Measures vengono chiamati measures. Es:. Time.[2nd half].[3rd quarter] Es:. Time.[2nd half].&[Q4] Uso la proprietà member name Uso la proprietà member key

82 81 Calculated Members Un membro calcolate può essere creato come una parte di una query MDX, in grado di restituire dati calcolati mediante espressioni o funzioni rese disponibili in MDX. –WITH MEMBER [Measures].[PackagesForecast] AS '[Measures].[Packages] * 1.1' Il membro calcolato viene eseguito in modalità run-time mediante lespressione di calcolo MDX definita.

83 82 Tuples Una tupla identifica una fetta di dati contenuti in un oggetto cubo. Una tupla è praticamente una collezione di membri di una o più dimensioni. –Esempio di tupla semplice (Time.[2nd half]) –Esempio di tupla composta (Time.[2nd half], Source.nonground.air)

84 83 Sets Un insieme è una collezione di 0, una o più tuple. Linsieme è comunemente usato per definire gli Assi in una query MDX. { (Time.[1st half], Source.nonground.air), (Time.[2nd half], Source.nonground.sea) } Insieme Tupla 1 Tupla 2

85 84 Query MDX Una Query MDX è una istruzione in grado di restituire un insieme di celle contenente un sotto insieme di dati presenti in una struttura multidimensionale. SELECT { [Measures].[Sales Amount], [Measures].[Tax Amount] } ON COLUMNS, { [Date].[Fiscal Time].[Fiscal Year].&[2002], [Date].[Fiscal Time].[Fiscal Year].&[2003] } ON ROWS FROM [Adventure Works] WHERE ( [Sales Territory].[Southwest] )

86 85 Laboratorio 6-1 Mettiamo in pratica quanto sin qui analizzato: –Scrivere Query MDX –Creare nuovi membri calcolati Durata: 30 minuti fine quarto giorno

87 Introduzione allutilizzo di Client OLAP Sessione 7

88 87 Strumenti Microsoft per lAnalisi multidimensionale Office OLAP Components –Pivot Table Service –Excel Pivot Table –Office Web Component Reporting Service –Reports a matrice –Delivery di Reports ( ;file sharing;etc.) –Format Rendering Reports (PDF, Excel, Html, Xml)

89 88 Utilizzo delle Office Web Component 10.0

90 89 Collegamento alla fonte dati OLAP

91 90 Analisi mediante Pivot Table

92 91 Impiego delle OWC in un contesto applicativo

93 92 Impiego delle OWC in un contesto applicativo

94 93 Laboratorio 7-1 Mettiamo in pratica quanto sin qui analizzato: –Utilizzo di Microsoft Excel per interrogare un Cubo Olap –Utilizzo delle Office Web Component per interrogare un Cubo Olap Durata: 30 minuti

95 Presentazione di un Case Study Sessione 8 fine quinto giorno


Scaricare ppt "Design and Implementing OLAP solution with Microsoft SQL Server 2005 Analysis Services autore: Cristian Marchi Anildo."

Presentazioni simili


Annunci Google