MDX基本结构及多维分析
2014-11-16 22:27
183 查看
本质是:将一个多维数据集,转化为另一个多维数据集。
MDX 的基本结构种:
1: Members 表示方法就是用中括号的形式,“ [„„] ”
如[Customer] 或[Time].[1996]
2: Tuple是由若干个维度Members 组成,每一个维度上最多只能有一个 Member 通常的格式为“ ([„],[„][„],„) ”
如 ([Regin ].[USA])
([product].[ computers],[time].[2008])
当一个元组有多个维度的时候,对于每一个维度,它只能有一个成员来自其中。
3: Set 同一维度上若干个Members 的集合,或者是若干个Tuples 的集合集合的表示方法用大括号 “ {} ”
如 {[time].[2008],[time].[2009],[time].[2000]} 这里 Set 是由同一维度的若干个Member 组成。
如 {([computer],[usa]),([ mobile],[china])} ,
这个Set 是由两个Tuples 组成,
这里大家可以看到,在第一个Tuple 当中,第一个Member 是名为computer 的产品,所以后面的Tuple 的第一个 Member 也必须是一个产品,
所以我们这里看到的是 mobile 第一个Tuple 里第二个Member 是一个国家,所以第二个Tuple 的第二个Member 也必须是一个国家名,依次类推
4:指标(度量)可以在Where后面使用,where属于切片
5:默认成员,如果没有明确设置默认成员,默认成员就是ALL,如果没有ALL,默认成员是第一个成员
6:所有成员:通过.Members
7:成员属性:properties属性
8:crossjoin:两个不同的维度的集合进行交叉,就是得到两个集合的所有组合
9:Filter:过滤和筛选集合,按照度量值满足的条件
10:MDX用大括号{}引用来自某个特定维度或者多个维度的一组元素
11:可以通过逗号,冒号构成集合
12:计算成员即可以放在度量维度上,也可以放在一般的维度时,多个计算成员之间,可以设置先后顺序
13: 事实表中的字段,是和维表关联的字段,比如维表有一级部门,二级部门,三级部门,事实表只需要三级部门,然后用这个这段和维度三级部门字段关联。查询条件如果是一级部门,则会在维度中找到这个一级部门下的所有三级部门,再查询事实表满足这个三级部门的条件的记录。
多维分析 :使用 Mondrian 和 saiku
1: 星型模式:一个维度对应一个维度表
2:雪花模式:一个维度可以基于不止一个维表,只要这些表能有良好定义的路径连接到事实表。这样定义维度的方式就是一个雪花型模式(Snowflake Schema)。这些维表通过Join 操作来定义。
3:Mondrian 就是一个OLAP 引擎,而且是一个ROLAP 引擎,ROLAP 指的是使用关系数据库的OLAP(结合saiku一起来使用),Mondrian来执行执行MDX 查询的方法
4:saiku: 不是纯客户端的,它包含服务端的代码Mondrian 的。它的前端通过Backbone 库
5:olap4j :olap4j 是mdx 的Java 接口标准,类似于JDBC 是sql 的接口标准,olap4j 已成为Java 访问mdx 的事实标准,Mondrian推荐使用olap4j 这样方法。
6: 事实表中的字段,是和维表关联的字段,比如维表有一级部门,二级部门,三级部门,事实表只需要三级部门,然后用这个这段和维度三级部门字段关联。查询条件如果是一级部门,则会在维度中找到这个一级部门下的所有三级部门,再查询事实表满足这个三级部门的条件的记录。
7.维表中关联事实表的字段应该是不重复的
MDX 的基本结构种:
1: Members 表示方法就是用中括号的形式,“ [„„] ”
如[Customer] 或[Time].[1996]
2: Tuple是由若干个维度Members 组成,每一个维度上最多只能有一个 Member 通常的格式为“ ([„],[„][„],„) ”
如 ([Regin ].[USA])
([product].[ computers],[time].[2008])
当一个元组有多个维度的时候,对于每一个维度,它只能有一个成员来自其中。
3: Set 同一维度上若干个Members 的集合,或者是若干个Tuples 的集合集合的表示方法用大括号 “ {} ”
如 {[time].[2008],[time].[2009],[time].[2000]} 这里 Set 是由同一维度的若干个Member 组成。
如 {([computer],[usa]),([ mobile],[china])} ,
这个Set 是由两个Tuples 组成,
这里大家可以看到,在第一个Tuple 当中,第一个Member 是名为computer 的产品,所以后面的Tuple 的第一个 Member 也必须是一个产品,
所以我们这里看到的是 mobile 第一个Tuple 里第二个Member 是一个国家,所以第二个Tuple 的第二个Member 也必须是一个国家名,依次类推
4:指标(度量)可以在Where后面使用,where属于切片
5:默认成员,如果没有明确设置默认成员,默认成员就是ALL,如果没有ALL,默认成员是第一个成员
6:所有成员:通过.Members
7:成员属性:properties属性
8:crossjoin:两个不同的维度的集合进行交叉,就是得到两个集合的所有组合
9:Filter:过滤和筛选集合,按照度量值满足的条件
10:MDX用大括号{}引用来自某个特定维度或者多个维度的一组元素
11:可以通过逗号,冒号构成集合
12:计算成员即可以放在度量维度上,也可以放在一般的维度时,多个计算成员之间,可以设置先后顺序
13: 事实表中的字段,是和维表关联的字段,比如维表有一级部门,二级部门,三级部门,事实表只需要三级部门,然后用这个这段和维度三级部门字段关联。查询条件如果是一级部门,则会在维度中找到这个一级部门下的所有三级部门,再查询事实表满足这个三级部门的条件的记录。
多维分析 :使用 Mondrian 和 saiku
1: 星型模式:一个维度对应一个维度表
2:雪花模式:一个维度可以基于不止一个维表,只要这些表能有良好定义的路径连接到事实表。这样定义维度的方式就是一个雪花型模式(Snowflake Schema)。这些维表通过Join 操作来定义。
3:Mondrian 就是一个OLAP 引擎,而且是一个ROLAP 引擎,ROLAP 指的是使用关系数据库的OLAP(结合saiku一起来使用),Mondrian来执行执行MDX 查询的方法
4:saiku: 不是纯客户端的,它包含服务端的代码Mondrian 的。它的前端通过Backbone 库
5:olap4j :olap4j 是mdx 的Java 接口标准,类似于JDBC 是sql 的接口标准,olap4j 已成为Java 访问mdx 的事实标准,Mondrian推荐使用olap4j 这样方法。
6: 事实表中的字段,是和维表关联的字段,比如维表有一级部门,二级部门,三级部门,事实表只需要三级部门,然后用这个这段和维度三级部门字段关联。查询条件如果是一级部门,则会在维度中找到这个一级部门下的所有三级部门,再查询事实表满足这个三级部门的条件的记录。
7.维表中关联事实表的字段应该是不重复的
相关文章推荐
- OLAP的基本多维分析操作
- 安全隐患分析和基本系统结构信息的收集
- nginx代码分析-基本结构-queue
- Highcharts图表结构分析:详解Highcharts基本组成
- nginx代码分析-基本结构-哈希表ngx_hash_t
- osworkflow基础入门部分汇总(基本概念,包用途分析及代码片断,表结构分析,主要优势,核心概念)
- 适配器模式的分析、结构图及基本代码
- papervision3D核心结构分析(一、基本包和类)
- codeIgniter框架基本结构分析
- WEBX2.0学习源码分析(一)初识webx2.0 基本目录结构
- contiki系统分析一:下载及基本结构
- 求a^x展开的欧拉方法(基本分析结构)
- Webkit中HTML5 Video的实现分析 (一) - 基本结构及HTMLMediaElement & MediaPlayer
- OLAP的基本多维分析操作
- SSAS-MDX#001 - MDX 基本结构
- 开源ERP的精华-OpenBravo 数据库结构基本分析
- linux驱动基本结构分析
- 分析FBReader源码(二)---文件结构及基本框架梳理
- nginx代码分析-基本结构-动态数组ngx_array_t
- 访问者模式的分析、结构图及基本代码