摘要：如銷售數(shù)據(jù)跟部門表，客戶表之間的關(guān)系。而查詢，又是這三者之間的粘合劑，它表達了用戶的需求，經(jīng)過引擎的解析，根據(jù)數(shù)據(jù)模型的描述，從數(shù)據(jù)倉庫找到所需要的數(shù)據(jù)。

本文來自網(wǎng)易云社區(qū)

作者：王攀

我們知道，大部分公司都擁有了自己的財務(wù)，OA，CRM 等系統(tǒng)。這些系統(tǒng)都有自己的獨立數(shù)據(jù)庫，記錄著企業(yè)運行情況某個方面的數(shù)據(jù)。但是多帶帶看這些系統(tǒng)的報表，并不一定能對企業(yè)運行情況有全面客觀的了解。就像只憑身高不能判斷一個人是否健康，所以體檢的時候我們需要化驗許多指標(biāo)，做各種檢測，就是為了對身體情況有更全面的了解，作出更準(zhǔn)確的判斷。

同樣對一個企業(yè)，不能僅根據(jù)出勤率就判斷一個人的績效高低，因為你不知道他的工作成果情況。僅根據(jù)財務(wù)報表輸入支出也體現(xiàn)不了各部門的收益情況，這個部門有多少工作人員，完成了哪些任務(wù)你也不知道。正式由于這種需求，產(chǎn)生了OLAP（Online analytical processing ）應(yīng)用，在建立了匯集各系統(tǒng)數(shù)據(jù)的數(shù)據(jù)倉庫后，OLAP應(yīng)用可以快速解析多維的查詢分析，針對查詢出的數(shù)據(jù)，用戶也可以方便的進行鉆取，如查詢出了年度數(shù)據(jù)，可以很方便的查看月度數(shù)據(jù)；查詢好地區(qū)的數(shù)據(jù)，可以再看相應(yīng)城市的數(shù)據(jù)，還可以顯示相應(yīng)的趨勢圖，柱狀圖，餅圖等，從而給決策者的判斷提供有效的數(shù)據(jù)支持。

一、數(shù)據(jù)抽?。ǖ讓樱?/p>

我們做飯之前，先要從菜場各個攤位去買我們需要的原材料，如青菜，番茄，雞蛋，和魚，然后把菜上的老葉子去掉，魚鱗和內(nèi)臟去掉，洗干凈。建立OLAP應(yīng)用之前，我們要想辦法把各個獨立系統(tǒng)的數(shù)據(jù)抽取出來，經(jīng)過一定的轉(zhuǎn)換和過濾，存放到一個集中的地方，成為數(shù)據(jù)倉庫。這個抽取，轉(zhuǎn)換，加載的過程叫ETL（Extract， Transform，Load）.相應(yīng)的開發(fā)工具Oracle有DataStage，微軟有SQL Server Integration Services，Pentaho有Kettle。這些ETL工具一般都支持圖形化流程建模，文本文件映射導(dǎo)入，XML,XSLT,可執(zhí)行SQL，javascript等。

二、數(shù)據(jù)建模（中間層）
材料準(zhǔn)備好后，我們要規(guī)劃他們可以做出什么樣的菜。首先我們選擇主要材料：如魚，同樣是魚，可以有多種燒法，紅燒，清蒸，油炸，水煮。不同的燒法還要搭配相應(yīng)的輔助材料，如紅燒一定要醬油和蔥姜。想好了菜單，實際上就已經(jīng)把這些原材料按不同的組合建立了一定的關(guān)系。對于OLAP應(yīng)用，也要根據(jù)客戶需求，我們對數(shù)據(jù)倉庫中這些物理存在的表要進行邏輯建模，以某些重要的事實數(shù)據(jù)（如銷售數(shù)據(jù)）為核心，建立與其他物理表（維度表）之間的業(yè)務(wù)關(guān)系。如銷售數(shù)據(jù)跟部門表，客戶表之間的關(guān)系。事實和維度之間的組合，就建立了將來做多維查詢的基礎(chǔ)。建模過程形成的結(jié)果在各中平臺上的叫法不一樣，如BO的叫Universe，Oracle中叫Cube，SqlServer2005的叫統(tǒng)一維度模型UDM，開源Pentaho中也叫Cube。相應(yīng)的開發(fā)工具BO有Business Objects Crystal Decisions，Oracle有 Analytic WorkspaceManager ，SqlServer2005有BusinessIntelligence Development Studio，Pentaho有Schema Workbench。相對其他商業(yè)產(chǎn)品，Schema Workbench比較簡單，也沒有和軟件開發(fā)平臺如Eclipse集成在一起。

三、多維查詢（服務(wù)層和應(yīng)用層）

準(zhǔn)備好了原材料和相應(yīng)的菜單，接下來就是根據(jù)要求燒菜了。這當(dāng)中需要有一種表達需求的語言，例如同樣是這個紅燒魚，有的人希望甜一些，有些人不喜歡放蔥。如果有一個標(biāo)準(zhǔn)的語言描述這種執(zhí)行要求，就能保證燒的菜符合你的口味了。同樣，有了表達邏輯關(guān)系的模型Cube，數(shù)據(jù)倉庫中也導(dǎo)入了業(yè)務(wù)數(shù)據(jù)，我們還要告訴執(zhí)行引擎如何取得我們真正所要的數(shù)據(jù)。這個查詢語言就是MDX(Multidimensional Expression)，它是微軟在1997年首次提出，并為多家廠商采用。

四、應(yīng)用分析（應(yīng)用層）

燒好了菜，還要決定如何上菜，是用碗，用盤子還是砂鍋，這些都要根據(jù)所做的菜式和客戶要求。MDX查詢返回的是多維數(shù)據(jù)，普通的二維表很難表現(xiàn)超過2個維度的數(shù)據(jù)，如果要進行數(shù)據(jù)的鉆取等操作更是難上加難。各廠家的技術(shù)平臺都有想應(yīng)的實現(xiàn)技術(shù)。比較底層的界面表現(xiàn)技術(shù)Oracle 有Business Intelligence Beans，開源的有JPivot，這些需要開發(fā)相應(yīng)的展示頁面和維護界面，但可以和已有的系統(tǒng)緊密結(jié)合。另外為了方便用戶使用和維護，也有做成可運行程序的系統(tǒng)平臺。如Oracle有Oracle Business IntelligenceFoundation，開源的有SpagoBI，Pentaho BI Platform等。這些系統(tǒng)都有完整的DashBoard，多維查詢，報表等功能，使用維護都比較方便，缺點就是比較龐大笨重。

用戶需求決定了如何設(shè)計模型和數(shù)據(jù)倉庫，數(shù)據(jù)模型又是描述數(shù)據(jù)倉庫的邏輯關(guān)系，而數(shù)據(jù)模型和數(shù)據(jù)倉庫的某些技術(shù)限制也可能影響用戶需求的實現(xiàn)。這三者之間是相互依存和影響著的。而MDX查詢，又是這三者之間的粘合劑，它表達了用戶的需求，經(jīng)過OLAP引擎的解析，根據(jù)數(shù)據(jù)模型的描述，從數(shù)據(jù)倉庫找到所需要的數(shù)據(jù)。

網(wǎng)易云免費體驗館，0成本體驗20+款云產(chǎn)品！

更多網(wǎng)易研發(fā)、產(chǎn)品、運營經(jīng)驗分享請訪問網(wǎng)易云社區(qū)。

文章來源： 網(wǎng)易云社區(qū)