一、Analysis Services
Analysis Services是用于决策支持和BI解决方案的数据引擎。它提供报表和客户端中使用的分析数据。
它可在多用途数据模型中创建高性能查询结构，业务逻辑和KPI(企业关键绩效指标),该数据模型可由任何支持Analysis Services作为数据源的客户端程序访问。
多用途数据模型的创建：使用SQL Server Data Tools,并选择则表格或者多维和数据挖掘项目模板。
多用途数据模型的数据填充：通常是数据仓库
二、结构
SSAS又称挖掘结构，定义生成挖掘模型时依据的数据：它指定源数据视图、列数量和类型以及分为定型集和测试集的可选分区。单个挖掘结构可以支持多个共享同一个域的挖掘模型。
处理数据：源到结构到模型
关系图中的挖掘结构基于包含多个表或视图的数据源，它们按 CustomerID字段进行联接。一个表包含有关客户的信息，例如地理区域、年龄、收入和性别，而相关嵌套表包含每个客户的多行其他相关信息，例如客户已购买的产品。此关系图显示根据一个挖掘结构可以生成多个模型，并且这些模型可以使用该结构中的不同列。
模型1 使用 CustomerID、收入、年龄和区域，并根据区域筛选数据。
模型2 使用 CustomerID、收入、年龄和区域，并根据年龄筛选数据。
模型3 使用 CustomerID、年龄、性别和嵌套表，不使用筛选器。
由于以上模型使用不同的输入列，并且其中两个模型还通过应用筛选器来限制在模型中使用的数据，因此即使这些模型基于相同数据，其结果也将大不相同。请注意，CustomerID 列在所有模型中都是必需的，因为它是可作为事例键使用的唯一可用列。
通过以上说明：数据挖掘结构的基本体系结构：如何定义挖掘结构、如何用数据填充它以及如何使用它创建模型。
三、优缺点
四、总结
通过以上简单的介绍，让我们对SSAS有了一定的了解，至于它功能的实现及各个细节比如：数据源的建立，数据视图的建立，多维数据集。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/202452.html原文链接：https://javaforall.net
